От новичка до гуру: Курсы программирования на CyberDuff

Импорт файла sqlite в r

Я пытаюсь импортировать файл обратно в r, который содержит четыре разные таблицы. В основном я выполнил это решение предыдущего вопроса и сумел получить соединение установлено. Однако я просто хочу использовать одну из таблиц из файла sql вместо загрузки всех таблиц из моего sql в R, поэтому я выполнил следующее:

library(DBI)
library(SQLite)
con <- dbConnect(RSQLite::SQLite(), dbname = "diffs.sqlite")
tables <- dbListTables(con)
mzDiff <- dbGetQuery(conn = con, statement = paste("SELECT * FROM mzdiff", sep = ",")

Однако я получаю это сообщение об ошибке: -

Error in .Call(rsqlite_query_fetch, res@Id, nrec = as.integer(n)) : 
  negative length vectors are not allowed

чего я не понимаю, учитывая, что данные, содержащиеся в таблице mzdiff, изначально были экспортированы из R в sqlite, поэтому проблем с памятью быть не должно, но, судя по всему, это то, с чем у меня сейчас возникают проблемы, когда пытаясь вернуть данные из sql в R. Любые идеи о том, что я могу сделать/если я делаю что-то не так?

В качестве альтернативы я могу делать то, что мне нужно, в sqlite, но я с ним не знаком. Я собирался собрать свои данные в R, выполнив (mzdiff заменен данными): -

bin <- seq(min(data[, 1]), max(data[, 1]), by = 0.001)
binnedData <- tapply(data[, 1], cut(data[, 1], breaks = bin), median)

Можно ли собирать данные в SQL так же, как я хочу сделать это в R?

Спасибо

15.03.2015

  • Как насчет использования dbReadTable? 16.03.2015
  • Только что попробовал, но я продолжаю получать ту же ошибку, но спасибо! 16.03.2015

Ответы:


1

Таким образом, я смог преодолеть проблему, просто подмножив свои данные (т.е. работая с небольшим набором данных, а не со всеми данными). Это был довольно простой, но более длительный способ решения проблемы.

16.03.2015
Новые материалы

Представляем Narwhal Technologies (Nrwl)
6 декабря 2016 г. Маунтин-Вью, Калифорния С тех пор, как Виктор Савкин и я (Джефф Кросс) присоединились к команде Angular в Google на заре Angular 1, Angular продемонстрировал феноменальный..

Путь AWS  — «Изучение машинного обучения — 10 начинающих ИИ и машинного обучения на AWS».
Универсальный ресурсный центр для изучения искусственного интеллекта и машинного обучения. НОЛЬ или ГЕРОЙ, начните свое путешествие здесь. Получите решения и пройдите обучение у экспертов AWS...

5 простых концепций Python, ставших сложными
#заранее извините 1) Переменные x = 4 y = 5 Переменная в Python — это символическое представление объекта. После присвоения некоторого объекта переменной Python мы приобретаем..

«Освоение вероятности: изучение совместной, предельной, условной вероятности и теоремы Байеса —…
Виды вероятности: Совместная вероятность Предельная вероятность Условная вероятность Диаграмма Венна в вероятностях: В “Set Theory” мы создаем диаграмму Венна...

Основы Spring: Bean-компоненты, контейнер и внедрение зависимостей
Как лего может помочь нашему пониманию Когда мы начинаем использовать Spring, нам бросают много терминов, и может быть трудно понять, что они все означают. Итак, мы разберем основы и будем..

Отслеживание состояния с течением времени с дифференцированием снимков
Время от времени что-то происходит и революционизирует часть моего рабочего процесса разработки. Что-то более забавное вместо типичного утомительного и утомительного процесса разработки. В..

Я предполагаю, что вы имеете в виду методы обработки категориальных данных.
Я предполагаю, что вы имеете в виду методы обработки категориальных данных. Пожалуйста, проверьте мой пост Инструментарий специалиста по данным для кодирования категориальных переменных в..