dplyr：连接到外部数据库时在 summarize() 中使用自定义函数

Question

在使用 dplyr 从外部数据库中提取数据时，有没有办法在摘要语句中使用自定义函数？我无法创建可用的虚拟数据，因为这是特定于数据库的，但假设您有一个包含三个字段的 table：product、true_positive 和 all_positive。这是我要使用的代码：

getPrecision <- function(true_positive, all_positive){
  if_else(sum(all_positive, na.rm = TRUE) == 0, 0,
          (sum(true_positive) / sum(all_positive , na.rm = TRUE)))
}

database_data %>%
    group_by(product) %>%
    summarize(precision = getPrecision(true_positive, all_positive)) %>% collect

这是错误：postgresqlExecStatement(conn, statement, ...) 中的错误： RS-DBI 驱动程序：（无法检索结果：错误：函数 getprecision（整数，整数）不存在

Answer 1

要了解错误消息，您可以使用 show_query 而不是 collect 来查看发送到数据库的 SQL 代码：

database_data %>%
    group_by(product) %>%
    summarize(precision = getPrecision(true_positive, all_positive)) %>%  
    show_query

<SQL>
SELECT "product", getPrecision("true_positive", "all_positive") AS "precision"
FROM "database_table"
GROUP BY "product"

如您所见，此 SQL 期望 getPrecision 函数在服务器上可用，但事实并非如此。

一个潜在的解决方案是先收集 table 数据，然后再在 R 客户端中应用此功能：

database_data %>%
    collect %>%
    group_by(product) %>%
    summarize(precision = getPrecision(true_positive, all_positive))

如果这不可能，因为 table 太大，您必须在服务器上实现 SQL 中的功能：

SELECT 
  "product", 
  CASE WHEN sum(all_positive)=0 THEN 0 ELSE sum(true_positive)/sum(all_positive) END AS "precision"
FROM "database_table"
GROUP BY "product"

dplyr：连接到外部数据库时在 summarize() 中使用自定义函数

dplyr: use a custom function in summarize() when connected to external database

r

dplyr

amazon-redshift

rpostgresql