O meta-pacote tidyverse tem sido o meu grande aliado no dia-a-dia. Ele tem funcionado como um canivete suíço para leitura, manipulação e visualização de dados. A facilidade para acesso e para consultas a banco de dados não é surpresa, especialmente se você está acostumado aos verbos do pacote dplyr. Esse tipo de operação não faz parte da minha rotina, mas eu já precisei acessar e fazer consultas em um banco de dados do tipo SQL. Novamente, o tidyverse junto com o dbplyr cumpriram seus papéis de forma elegante.
O resumo da ópera é o seguinte: se você não sabe escrever queries em SQL, o pacote dbplyr vai escrevê-las para você. Basicamente, você escreve as manipulações usando o dplyr (e amigos) e o dbplyr traduz para SQL. Veremos como isso funciona.
Instalando os pacotes
Instale os pacotes necessários.
if (!require("DBI"))
install.packages("DBI")
if (!require("RSQLite"))
install.packages("RSQLite")
if (!require("tidyverse"))
install.packages("tidyverse")
if (!require("dbplyr"))
install.packages("dbplyr")Banco de dados para teste
Aqui, usaremos um banco de dados de teste para simular as consultas. Existem algumas formas de se fazer isso: gerar um banco em memória, criar e salvar um banco em seu próprio computador ou conectar-se a um banco de dados real. Consulte aqui para mais detalhes.
Criando banco em memória
Vamos criar um banco de dados em memória usando o dataset mtcars. São 32 carros descritos por 11 variáveis.
# Verificando o conteúdo do dataset
mtcars## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
## Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
## Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
## Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2O primeiro passo é criar uma conexão em memória:
connection_to_db <-
DBI::dbConnect(
drv = RSQLite::SQLite(),
":memory:"
)
# confira
connection_to_db## <SQLiteConnection>
## Path: :memory:
## Extensions: TRUEDepois, incorporamos o dataset a esse banco.
mtcars_on_db <-
mtcars %>% # dataset
rownames_to_column("cars") %>% # transformando o nome da linhas em uma coluna
copy_to(
dest = connection_to_db, # nosso banco em memória
name = "table-mtcars" # nome da nossa tabela no banco (opcional)
)
# confira
mtcars_on_db## # Source: table<table-mtcars> [?? x 12]
## # Database: sqlite 3.29.0 [:memory:]
## cars mpg cyl disp hp drat wt qsec vs am gear carb
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Mazda… 21 6 160 110 3.9 2.62 16.5 0 1 4 4
## 2 Mazda… 21 6 160 110 3.9 2.88 17.0 0 1 4 4
## 3 Datsu… 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
## 4 Horne… 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
## 5 Horne… 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
## 6 Valia… 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
## 7 Duste… 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
## 8 Merc … 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
## 9 Merc … 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
## 10 Merc … 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
## # … with more rowsO resultado [?? x 11] na primeira linha significa que não foram informadas todas as linhas da tabela. Isso acontece também com outros tipos de consultas. Quando o resultado da consulta excede 10 linhas, precisamos usar a função collect().
mtcars_on_db %>%
collect()## # A tibble: 32 x 12
## cars mpg cyl disp hp drat wt qsec vs am gear carb
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Mazda… 21 6 160 110 3.9 2.62 16.5 0 1 4 4
## 2 Mazda… 21 6 160 110 3.9 2.88 17.0 0 1 4 4
## 3 Datsu… 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
## 4 Horne… 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
## 5 Horne… 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
## 6 Valia… 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
## 7 Duste… 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
## 8 Merc … 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
## 9 Merc … 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
## 10 Merc … 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
## # … with 22 more rowsGerando queries
Suponha que você queira saber a média dos valores da coluna mpg (milhas por galão) por carb (número de carburadores).
mtcars_on_db %>% # nosso banco em memória
group_by(carb) %>% # agrupa os dados por `carb`
summarise(mean(mpg)) # calcula a média de `mpg` dentro de cada grupo de `carb`## Warning: Missing values are always removed in SQL.
## Use `mean(x, na.rm = TRUE)` to silence this warning
## This warning is displayed only once per session.## # Source: lazy query [?? x 2]
## # Database: sqlite 3.29.0 [:memory:]
## carb `mean(mpg)`
## <dbl> <dbl>
## 1 1 25.3
## 2 2 22.4
## 3 3 16.3
## 4 4 15.8
## 5 6 19.7
## 6 8 15Para ver como isso seria feito em SQL, use a função show_query().
mtcars_on_db %>%
group_by(carb) %>%
summarise(mean(mpg)) %>%
show_query()## <SQL>
## SELECT `carb`, AVG(`mpg`) AS `mean(mpg)`
## FROM `table-mtcars`
## GROUP BY `carb`Isso funciona para qualquer tipo de consulta.
consulta <-
mtcars_on_db %>%
select(cars, drat, carb, mpg) %>%
filter(drat < 3.15) %>%
mutate(
drat_percent = drat / sum(drat, na.rm = TRUE),
carb = case_when(
carb == 1 ~ "um carb",
carb == 2 ~ "dois carbs",
carb == 3 ~ "três carbs",
carb == 4 ~ "quatro carbs",
carb == 8 ~ "oito carbs"
)
) %>%
arrange(desc(mpg)) %>%
select(cars, carb, mpg, drat_percent)
# confira o resultado da consulta
consulta## # Source: lazy query [?? x 4]
## # Database: sqlite 3.29.0 [:memory:]
## # Ordered by: desc(mpg)
## cars carb mpg drat_percent
## <chr> <chr> <dbl> <dbl>
## 1 Hornet 4 Drive um carb 21.4 0.115
## 2 Pontiac Firebird dois carbs 19.2 0.115
## 3 Valiant um carb 18.1 0.103
## 4 Merc 450SL três carbs 17.3 0.114
## 5 Merc 450SE três carbs 16.4 0.114
## 6 Dodge Challenger dois carbs 15.5 0.103
## 7 Merc 450SLC três carbs 15.2 0.114
## 8 Cadillac Fleetwood quatro carbs 10.4 0.109
## 9 Lincoln Continental quatro carbs 10.4 0.112# confira a query
consulta %>%
show_query()## <SQL>
## SELECT `cars`, `carb`, `mpg`, `drat_percent`
## FROM (SELECT *
## FROM (SELECT `cars`, `drat`, CASE
## WHEN (`carb` = 1.0) THEN ('um carb')
## WHEN (`carb` = 2.0) THEN ('dois carbs')
## WHEN (`carb` = 3.0) THEN ('três carbs')
## WHEN (`carb` = 4.0) THEN ('quatro carbs')
## WHEN (`carb` = 8.0) THEN ('oito carbs')
## END AS `carb`, `mpg`, `drat` / SUM(`drat`) OVER () AS `drat_percent`
## FROM (SELECT *
## FROM (SELECT `cars`, `drat`, `carb`, `mpg`
## FROM `table-mtcars`)
## WHERE (`drat` < 3.15)))
## ORDER BY `mpg` DESC)O próximo passo seria copiar a query e aplicar ao banco de dados que você quer consultar. Isso já me ajudou muito em consultas simples. Espero que seja útil para você também!