Question

我需要从庞大的交易数据库中选择所有购物者的代表性样本，以便这些购物者的所有交易都包含在样本中。

表：

UserID  TransId
1          1   
1          2
1          3
2          1
2          2
3          1
4          1
4          2
4          3
4          4

50％的购物者样本：

UserID  TransId
2          1
2          2
4          1
4          2
4          3
4          4

如何在R中编写SQL查询？该表位于MS SQL Server中。

Answer 1

有许多不同的方法可以从R连接到SQL数据库。我个人最喜欢的是RODBC包。

从RODBC，您可以使用sqlQuery()函数将SQL查询传递给各种数据库，前提是它们接受ODBC连接。

以下代码将加载RODBC库，分配名为con的连接，并使用该连接从名为MyTable的表中选择所有记录。

library(RODBC) ###Load library

con <- odbcConnect("POC") ###Assign database connection

sqlQuery(con, "select * from MyTable")

对于您当前的问题，我将使用SQLServer 2005及更高版本上提供的tablesample函数。有很多方法可以做到这一点，但是下面通过内连接将表连接到自身的子查询（即50％的样本）。

查询看起来像这样：

select distinct
  rnd.UserID, TransID
from MyTable 
  join (select UserID 
        from MyTable
        tablesample (50 percent)) rnd
    on rnd.UserID = MyTable.UserID 
 order by rnd.UserID

您可以通过以下sqlQuery()传递：

sqlQuery(con, 
     "select distinct
        rnd.UserID, TransID
      from MyTable 
        join (select UserID 
            from MyTable
            tablesample (50 percent)) rnd
        on rnd.UserID = MyTable.UserID 
      order by rnd.UserID")

对于给定MyTable的每个唯一TransID，这应该会从UserID获得50％的Userid伪随机样本。

如何在SQL中选择随机ID和随机ID中的所有事务

1 个答案: