M9DM2 Data mining 2
Databázové operace s datovými tabulkami v R
Ondřej Pokora
Ústav matematiky a statistiky, Přírodovědecká fakulta, Masarykova univerzita
8. 10. 2019
Relační data
pomocí veličin v datových tabulkách popisují vztahy mezi pozorováními
v tabulkách
databázový jazyk SQL (Structured Query Language)
knihovna dplyr přidává příkazy pro databázové operace nad datovými
tabulkami v R
knihovna sqldf přidává příkaz pro zápis SQL příkazů nad datovými
tabulkami v R:
sqldf("SQL_prikaz")
2/12
Relační data
Proměnné (sloupce) v datových tabulkách se speciálním relačním
významem:
primary key – proměnná ve vlastní tabulce, unikátní identifikátor
pozorování (řádku)
foreign key – proměnná ve vlastní tabulce, unikátní identifikátor
pozorování v jiné tabulce (tabulkách)
jedna proměnná může být zároveň primary key i foreign key
surrogate key – uměle doplněný primární klíč
3/12
Joins
4/12
Binds
5/12
Spojování tabulek pomocí knihovny dplyr
Mutating joins – doplňují proměnné z y na konec x:
inner_join(x, y, by = "_")
left_join(x, y, by = "_"), right_join (x, y, by = "_")
full_join(x, y, by = "_")
Filtering joins – vybírají pozorování z x:
semi_join(x, y, by = "_")
anti_join(x, y, by = "_")
Množinové operace:
union(x, y)
intersect(x, y)
setdiff(x, y)
Svazování tabulek:
bind_rows(x, y), rbind(x, y)
bind_cols(x, y), cbind(x, y)
6/12
Inner join
7/12
Outer joins
8/12
Inner join / Outer joins
9/12
Duplicitní hodnoty klíčů
10/12
Semi join / Anti join
11/12
Příklad
12/12