Aufgabe
|
SQL
|
R + data.table
|
Anmerkung
|
|---|---|---|---|
| Auswahl mit Hilfe eines Vergleichs Rows/Tupel | select * from g where dc < 10000 | g[ dc < 10000, ] | Nicht das Komma vergessen |
| Nur die ersten 15 Rows anzeigen | select * from g limit 15 |
head( g, 15)
g[ 1:15, ]
| Beide Varianten gehen |
| Mehrfach Auswahl | select * from g where dc < 10000 and dc > 500 | g[ dc < 10000 & dc > 500, ] | |
| Zählen der Ergebnisse | select count(*) from g | g[ , .N ] |
.N ist eine spezielle Variable in data.table - alternativ kann man die Anzahl auch über dim(g)[1] bestimmen.
|
| Mittelwert berechnen | select avg(dc) from g | g[ , mean(dc) ] | In R heisst der Mittelwert mean und nicht average |
| Mittelwert und Median berechnen | ??? | g[ , c(mean(dc), median(dc)) ] | Hier müssen die Berechnungen mittel c() zusammengefasst werden |
| Mittelwert berechnen bezogen auf verschiedene Gruppen | select avg(dc) from g grouped by AB | g[ , mean(dc), by = AB ] | Achte auf das = nach dem by |
| Auswahl mit einer Liste |
select * from where visit IN (values)
| a[ a$visit %in% meineListe ] | wichtig sind hier die umschliessenden % Zeichen, meineListe ist eine Liste mit den Selektionierten - values sind die Werte selbst |
| Umgekehrte Auswahl mit einer Liste | select * from where visit NOT IN (values) | a[ !(a$visit %in% meineListe) ] | Negation mit ! |
| Vorkommen von Werten zählen | select count(*) from g grouped by visit | table( g$visit ) | um teure Operationen zu testen, kann man die Operation auf einem Subset durchführen table( g[1:50]$visit ) |
| Left outer join | select * from g, t | g[ t ] |
Anmerkung: es müssen in g und t die Spalten als Key gesetzt werden die man für den Join benutzen möchte
setkey(g, visit)
setkey(t, visit)
|
| Berechnen einer neuen Spalte | ALTER TABLE g ADD vkok AS (vc<10000 & vc>500) | a1[ , vkok:=(vc < 10000 & vc > 500) ] | Hier wird in Place eine neue Spalte mit boolschen Werten berechnet: vkok |
| Löschen einer Spalte | ALTER TABLE c DROP COLUMN vcgroup | g$vcgroup = NULL | |
| Teilen ein Menge in gleich grosse Teilmengen (Buckets) | g1$vcg = as.numeric( cut2( g1$vc, g = 5) ) | Es wird eine neue Spalte den Daten hinzugefügt die die Gruppennummer des Buckets enthält. Die Buckets enthalten gleich viele Element, dies kann wie folgt geprüft werden: g1[, .N , by = vcg] Die Buckets werden entlang der Dimension vc gebildet. Aufsummiert ergeben die Buckets eine Percentil-Zerlegung der Daten. | |
| Auswahl einer Menge Mittels Like | SELECT * FROM a1 WHERE url LIKE "amount.json" | a1[ like(url,"amount.json") ] | Die LIKE Funktion ist eine Art sehr einfacher Grep |
| Sortieren | SELECT * FROM a1 ORDER BY ttfb ASC | a1[ order(ttfb) ] | Sortiert das Ergebnis der Abfrage nach dem Feld ttfb. Es können auch mehrere Felder angegeben werden, nach denen sortiert wird. Wichtig, hier keine Anführungszeichen beim Feldnamen (colname) verwenden. |
| Sortieren | SELECT * FROM a1 ORDER BY ttfb DSC | a1[ order(-ttfb) ] | Sortiert das Ergebnis der Abfrage nach dem Feld ttfb in der engegengesetzten Reihenfolge (absteigend). |
a = mymatrix[seq(1, dim(mymytrix)[1], 2),]
seq(1, dim(mymatix)[1], 2)
