Freigeben über

Abfragen und Ändern von SQL Server-Daten (Tutorial zu SQL Server und RevoScaleR)

  • Artikel

Gilt für: SQL Server 2016 (13.x) und höhere Versionen

Bei diesem Tutorial handelt es sich um das 3. Tutorial der Tutorialreihe zu RevoScaleR. In diesem Tutorial erfahren Sie, wie Sie RevoScaleR-Funktionen mit SQL Server verwenden.

Im vorherigen Tutorial haben Sie die Daten in SQL Server geladen. In diesem Tutorial können Sie Daten mithilfe von RevoScaleR untersuchen und ändern:

  • Zurückgeben von grundlegenden Informationen zu den Variablen
  • Erstellen von kategorischen Daten aus Rohdaten

Kategorische Daten oder Faktorvariablen sind für explorative Datenvisualisierungen nützlich. Sie können sie als Eingaben für Histogramme verwenden, um eine Vorstellung davon zu erhalten, wie die Variablendaten aussehen.

Abfragen von Spalten und Typen

Verwenden Sie zum Ausführen von R-Skripts eine integrierte Entwicklungsumgebung für R oder die Datei „RGui.exe“.

Rufen Sie zunächst eine Liste der Spalten und ihrer Datentypen ab. Sie können die Funktion rxGetVarInfo verwenden und die Datenquelle angeben, die Sie analysieren möchten. Je nachdem, welche RevoScaleR-Version Sie verwenden, können Sie auch rxGetVarNames verwenden.

rxGetVarInfo(data = sqlFraudDS)

Ergebnisse

Var 1: custID, Type: integer
Var 2: gender, Type: integer
Var 3: state, Type: integer
Var 4: cardholder, Type: integer
Var 5: balance, Type: integer
Var 6: numTrans, Type: integer
Var 7: numIntlTrans, Type: integer
Var 8: creditLine, Type: integer
Var 9: fraudRisk, Type: integer

Erstellen von kategorischen Daten

Alle Variablen werden als Integer gespeichert, einige Variablen können aber Kategoriedaten darstellen. Diese werden in R als Faktorvariablen bezeichnet. Die Spalte state enthält beispielsweise Zahlen, die für Bezeichner für die 50 US-Bundesstaaten sowie Washington D.C. verwendet werden. Um das Verständnis der Daten zu erleichtern, ersetzen Sie die Zahlen durch eine Liste der Abkürzungen der US-Bundesstaaten.

In diesem Schritt erstellen Sie einen Zeichenfolgenvektor, der die Abkürzungen enthält. Anschließend ordnen Sie diese kategorischen Werte den ursprünglichen Integerbezeichnern zu. Verwenden Sie anschließend die neue Variable im Argument colInfo, um anzugeben, dass diese Spalte als Faktor behandelt werden soll. Wenn Sie die Daten analysieren oder verschieben, werden die Abkürzungen verwendet, und die Spalte wird als Faktor behandelt.

Wenn die Spalte vor der Verwendung als Faktor zu Abkürzungen zugeordnet wird, verbessert dies auch die Leistung. Weitere Informationen finden Sie unter R und Datenoptimierung (R Services).

  1. Erstellen Sie zunächst eine R-Variable, stateAbb, und definieren Sie den Zeichenfolgenvektor, der ihr zugeordnet werden soll.

    stateAbb <- c("AK", "AL", "AR", "AZ", "CA", "CO", "CT", "DC",
    "DE", "FL", "GA", "HI","IA", "ID", "IL", "IN", "KS", "KY", "LA",
    "MA", "MD", "ME", "MI", "MN", "MO", "MS", "MT", "NB", "NC", "ND",
    "NH", "NJ", "NM", "NV", "NY", "OH", "OK", "OR", "PA", "RI","SC",
    "SD", "TN", "TX", "UT", "VA", "VT", "WA", "WI", "WV", "WY")

  2. Als Nächstes erstellen Sie ein Spaltenobjekt namens ccColInfo, das die Zuordnung der vorhandenen Integer-Werte zu den Kategorieebenen angibt (Abkürzungen der US-Bundesstaaten).

    Diese Anweisung erstellt auch Faktorvariablen für „gender“ (Geschlecht) und „cardholder“ (Karteninhaber).

    ccColInfo <- list(
gender = list(
          type = "factor",
          levels = c("1", "2"),
          newLevels = c("Male", "Female")
          ),
cardholder = list(
              type = "factor",
              levels = c("1", "2"),
              newLevels = c("Principal", "Secondary")
               ),
state = list(
         type = "factor",
         levels = as.character(1:51),
         newLevels = stateAbb
         ),
balance = list(type = "numeric")
)

  3. Um die SQL Server-Datenquelle zu erstellen, die die aktualisierten Daten verwendet, rufen Sie die Funktion RxSqlServerData wie zuvor auf, fügen Sie jedoch das Argument colInfo hinzu.

    sqlFraudDS <- RxSqlServerData(connectionString = sqlConnString,
table = sqlFraudTable, colInfo = ccColInfo,
rowsPerRead = sqlRowsPerRead)
    • Übergeben Sie für den table -Parameter die Variable sqlFraudTable, die die zuvor erstellte Datenquelle enthält.
    • Übergeben Sie für den colInfo -Parameter die Variable ccColInfo , die die Spaltendatentypen und Faktorebenen enthält.

  4. Sie können die rxGetVarInfo -Funktion nun dazu verwenden, um die Variablen in der neuen Datenquelle anzuzeigen.

    rxGetVarInfo(data = sqlFraudDS)

    Ergebnisse

    Var 1: custID, Type: integer
Var 2: gender  2 factor levels: Male Female
Var 3: state   51 factor levels: AK AL AR AZ CA ... VT WA WI WV WY
Var 4: cardholder  2 factor levels: Principal Secondary
Var 5: balance, Type: integer
Var 6: numTrans, Type: integer
Var 7: numIntlTrans, Type: integer
Var 8: creditLine, Type: integer
Var 9: fraudRisk, Type: integer

Die drei von Ihnen angegebenen Variablen (gender, stateund cardholder) werden nun wie Faktoren verarbeitet.

Nächste Schritte

Definieren und Verwenden von Rechenkontexten