使用 R dplyr 从 redshift 数据库中过滤表答案

【问题标题】：Filter table from redshift database using R dplyr使用 R dplyr 从 redshift 数据库中过滤表
【发布时间】：2016-05-09 20:08:39
【问题描述】：

我有一个保存在 AWS redshift 中的表，它有很多行，我想使用“user_id”列只收集其中的一个子集。我正在尝试将 R 与 dplyr 库一起使用来完成此操作（见下文）。

conn_dplyr <- src_postgres('dev',
                       host = '****',
                       port = ****,
                       user = "****", 
                       password = "****")
 df <- tbl(conn_dplyr, "redshift_table")

但是，当我尝试对一组用户 ID 进行子集化时，它会失败（见下文）。有人可以帮助我了解如何通过一组用户 ID 元素收集数据表吗？个人电话有效，但是当我将它们结合起来时，它失败了。在这种情况下，只有 2 个用户 ID，但通常可能有数百或数千个，所以我不想单独做每一个。谢谢你的帮助。

df_subset1 <- filter(df, user_id=="2239257806")
df_subset1 <- collect(df_subset1)

df_subset2 <- filter(df, user_id=="22159960")
df_subset2 <- collect(df_subset2)

df_subset_both <- filter(df, user_id==c("2239257806", "22159960"))
df_subset_both <- collect(df_subset_both)

Error in postgresqlExecStatement(conn, statement, ...) : 
RS-DBI driver: (could not Retrieve the result : ERROR:  operator does not     exist: character varying = record
HINT:  No operator matches the given name and argument type(s). You may need to add explicit type casts.
)

【问题讨论】：

标签： r postgresql dplyr amazon-redshift r-dbi

【解决方案1】：

试试这个：

df_subset_both <- filter(df, user_id %in% c("2239257806", "22159960"))

【讨论】：

【解决方案2】：

您还可以在从 redshift 上传的查询中添加条件。

    install.packages("RPostgreSQL")
    library(RPostgreSQL)
    drv <- dbDriver("PostgreSQL")
    conn <-dbConnect(drv,host='host link',port='5439',dbname='dbname',user='xxx',password='yyy')
   df_subset_both <- dbSendQuery(conn,"select * from my_table where user_id in (2239257806,22159960)")

【讨论】：