R编程学习指南

第11章　数据库操作

在前面的章节中，我们已经学习了面向对象编程的基本概念，包括类和方法，以及它们在R中是如何通过泛型函数执行方法分派而连接起来的。另外，也掌握了S3、S4、RC和R6的基本用法，包括如何定义类和泛型函数，以及对特定的类实施相应的方法。

在掌握了 R 的大部分重要特性之后，我们继续深入并探讨更实用的主题。本章开始讨论怎样用 R 来操作数据库，从数据库中提取数据大概是许多数据分析项目的第一步。具体来说，包括以下内容：

• 了解关系型数据库
• 使用SQL工具，例如通过SQLite、MySQL对关系型数据库进行查询
• 操作非关系型数据库，如MongoDB和Redis

11.1　操作关系型数据库

在前面的章节中，我们使用一系列内置函数，例如 read.csv( ) 和 read.table( ) 从分隔符分隔的文件（例如csv格式）中读取数据。然而，当数据文件很大时，这些存储方式未必是最好的。

为什么文本格式不再适用呢？主要有如下3个理由。

1．read.csv( ) 这类函数主要用于将整个文件读到内存中，成为R中的一个数据框。如果数据量太大，以至于不适合计算机内存时，这个方法就失效了。

2．虽然数据集很大，但是通常我们并不需要将整个数据集都载入内存来完成任务。相反，往往只需根据某些条件，提取原数据集的一个子集。内置的数据读取函数并不能对csv文件进行查询。

3．数据集在不断更新中，即我们需要定期地向数据集中插入记录。如果采用csv格式，新添数据将会非常不便，尤其是想在文件的中间部分插入新记录，又要保持其他记录的原有顺序时，将会很棘手。

针对以上情形，最好的方案就是使用数据库。它能有效地应对超出计算机内存容量的数据存储问题。还可以根据用户提供的条件，对数据库中的数据进行查询，这也使在数据库中更新现有记录和插入新数据的操作变得简便。 ...