使用 SQLDF 的示例行答案

【问题标题】：Sample Rows with SQLDF使用 SQLDF 的示例行
【发布时间】：2016-09-10 06:03:06
【问题描述】：

sqldf 有一个限制选项来获取“X”行。我们也可以使用 sqldf 做一个“x%”的样本吗？

例如

> sqldf("select * from iris limit 3")

Loading required package: tcltk
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa

> sqldf("select * from iris sample 0.01")
Error in sqliteSendQuery(con, statement, bind.data) : 
  error in statement: near ".1": syntax error

有解决办法吗？

马尼什

【问题讨论】：

这是一个完全正确的问题，但是您在R 中使用sqldf 有什么原因吗？为什么不是纯 SQL？或者，如果您愿意，为什么 R 中的另一种解决方案不适合这里？
由于问题是sql问题，可能与this one重复
@Hugh - 我来自 SQL 背景。在 sqldf 中工作以更改表/子选择列和行/分组方式/拥有等要舒服得多。因此希望在 SQL 中完成所有这些，然后在示例行中完成。
参见sqldf github页面上的示例6e：github.com/ggrothendieck/sqldf

标签： r sample sqldf

【解决方案1】：

这基本上是一个 SQL 问题。由于sqldf 默认使用 SQLite（这不是绝对正确的，有关更多详细信息，请参阅?sqldf 中的drv 文档），问题归结为“如何在 SQLite 中以随机顺序选择行？”。一个简单的答案可以在this SO post找到：

SELECT * FROM table ORDER BY RANDOM() LIMIT 1;

使用问题中的示例：

> sqldf("select * from iris order by RANDOM() limit 3")
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          6.3         3.3          4.7         1.6 versicolor
2          6.0         2.7          5.1         1.6 versicolor
3          5.0         2.0          3.5         1.0 versicolor

编辑：如果给出 percentage 而不是 number 行，则以下可用作 R 解决方案。可能存在纯 SQLite 解决方案。

percentage <- 0.02
mylimit <- round(nrow(iris) * percentage, 0)
sqldf(sprintf("select * from iris order by RANDOM() limit %d", mylimit))

【讨论】：

这很好用。只是在进行分组或有子句时，行的 nbr 可能会有所不同，因此我们需要 2 个步骤 - 一个用于创建计算的数据框，另一个用于在我们获得行数后进行 x% 采样。

【解决方案2】：

不是很优雅（SQL 不是我的强项）但它可以工作。

library(sqldf)
totalrows <- sqldf("SELECT COUNT(*) AS NumberOfOrders FROM iris")

所以....

10*totalrows[[1]]/100

获取“数字”并放在这里：

sqldf("SELECT * FROM iris LIMIT number")

无论如何都是sql的问题，而不是R的问题

【讨论】：

【解决方案3】：

使用sqldf home page中的6e，我们可以使用SQL从iris中随机获取10%的记录，如下所示：

library(sqldf)

sqldf("select * from iris order by random(*) limit 0.10 * (select count(*) from iris)")

要按分数参数化，试试这个：

frac <- 0.10
fn$sqldf("select * from iris order by random(*) limit $frac * (select count(*) from iris)")

【讨论】：