在關係數據庫中存儲R對象

我經常在從關係數據庫中抽出的數據上創建非參數統計信息（黃土，內核密度等）。爲了使數據管理更容易，我想將R輸出存回我的數據庫中。使用簡單的數字或文本數據框很容易，但我還沒有想出如何將R對象存儲回關係數據庫。那麼是否有辦法將內核密度向量存儲到關係數據庫中？在關係數據庫中存儲R對象

現在我通過將R對象保存到網絡驅動器空間來解決此問題，以便其他人可以根據需要加載對象。

來源

2009-09-08 JD Long

使用序列化功能將任何R對象轉換爲（原始或字符）字符串，然後存儲該字符串。見help(serialize)。

反向檢索：獲取字符串，然後將unserialize()轉換爲R對象。

來源

2009-09-08 17:31:52

一個例子R參數，這是相當複雜的：

library(nlme) 
model <- lme(uptake ~ conc + Treatment, CO2, random = ~ 1 | Plant/Type)

的R參數的最佳存儲數據庫的方法取決於你想如何使用它。

我需要做的數據庫內分析上的值

在這種情況下，你需要向下突破對象到數據庫可以在本地處理的值。這通常意味着將其轉換爲一個或多個數據幀。最簡單的方法是使用broom包。

library(broom) 
coefficients_etc <- tidy(model) 
model_level_stats <- glance(model) 
row_level_stats <- augment(model)

我只是想存儲

在想序列的R參數這種情況。也就是說，將它們轉換爲字符串或二進制blob。有幾種方法。

我的數據具有通過除R以外的程序來進行訪問，並需要人類可讀

你應該存儲在一個跨平臺的文本格式的數據;可能是JSON或YAML。 JSON不支持一些重要的概念，如Inf; YAML更一般，但R中的支持並不成熟。 XML也是可能的，但是對於存儲大型數組來說太冗長了。

library(RJSONIO) 
model_as_json <- toJSON(model) 
nchar(model_as_json) # 17916 

library(yaml) 
# yaml package doesn't yet support conversion of language objects, 
# so preprocessing is needed 
model2 <- within(
    model, 
    { 
    call <- as.character(call) 
    terms <- as.character(terms) 
    } 
) 
model_as_yaml <- as.yaml(model2) 
nchar(model_as_yaml) # 14493

我的數據必須是由除R以外的程序訪問，而不需要是人類可讀

則可以將數據寫入到一個開放的，跨平臺二進制格式，如HFD5。目前對HFD5文件的支持（通過rhdf5）是有限的，因此不支持複雜的對象。（您可能會需要unclass一切。）

library(rhdf5) 
h5save(rapply(model2, unclass, how = "replace"), file = "model.h5") 
bin_h5 <- readBin("model.h5", "raw", 1e6) 
length(bin_h5) # 88291 not very efficient in this case

的feather包讓我們保存的格式的數據幀可讀R和Python的。要使用它，首先必須將模型對象轉換爲數據框，如答案前面的掃帚部分所述。

library(feather) 
library(broom) 
write_feather(augment(model), "co2_row.feather") # 5474 bytes 
write_feather(tidy(model), "co2_coeff.feather") # 2093 bytes 
write_feather(glance(model), "co2_model.feather") # 562 bytes

另一種方法是在數據庫中保存的變量的文本版本（見前面的部分），以壓縮文件和存儲它的字節。

writeLines(model_as_json) 
tar("model.tar.bz", "model.txt", compression = "bzip2") 
bin_bzip <- readBin("model.tar.bz", "raw", 1e6) 
length(bin_bzip) # only 42 bytes!

我的數據只需要由R是可訪問，並且需要是人類可讀

有兩個選項用於車削的可變成一個字符串：serialize和deparse。

p <- function(x) 
{ 
    paste0(x, collapse = "\n") 
}

serialize需要被髮送到一個文本連接，而不是寫入文件，你可以寫信給控制檯和捕捉它。

model_serialized <- p(capture.output(serialize(model, stdout()))) 
nchar(model_serialized) # 23830

使用deparse與control = "all"最大化可逆性以後重新解析時。

model_deparsed <- p(deparse(model, control = "all")) 
nchar(model_deparsed) # 22036

我的數據只需要被R訪問，並不需要是人類可讀

在前面的章節顯示技術的同樣類型可以應用在這裏。你可以壓縮一個序列化或解析變量，並重新讀取它作爲一個原始向量。

serialize也可以用二進制格式寫變量。在這種情況下，它最容易與其包裝saveRDS一起使用。

saveRDS(model, "model.rds") 
bin_rds <- readBin("model.rds", "raw", 1e6) 
length(bin_rds) # 6350

來源

2014-09-29 10:58:56

這最後一個似乎_very_低效。 'saveRDS'將對象寫入文件，然後'readBin'將其讀入內存。據我所知，'serialize'直接寫入'connection = NULL'的內存。 – 2017-10-31 00:47:51

使用textConnection/saveRDS/loadRDS也許是最通用和最高層：

zz<-textConnection('tempConnection', 'wb') 
saveRDS(myData, zz, ascii = T) 
TEXT<-paste(textConnectionValue(zz), collapse='\n') 

#write TEXT into SQL 
... 
closeAllConnections() #if the connection persists, new data will be appended 

#reading back: 
#1. pull from SQL into queryResult 
... 
#2. recover the object 
recoveredData <- readRDS(textConnection(queryResult$TEXT))

來源

2017-04-20 16:08:52 user1599018

對於sqlite（可能還有其他人）：

CREATE TABLE data (blob BLOB);

在 R

現在：

RSQLite::dbGetQuery(db.conn, 'INSERT INTO data VALUES (:blob)', params = list(blob = list(serialize(some_object)))

請注意list包裝some_object。 serialize的輸出是一個原始向量。如果沒有list，則將爲每個向量元素執行INSERT語句。將其包裝在列表中允許RSQLite::dbGetQuery將其視爲一個元素。

爲了使這個對象從數據庫返回的：

some_object <- unserialize(RSQLite::dbGetQuery(db.conn, 'SELECT blob FROM data LIMIT 1')$blob[[1]])

這裏發生的是你花場blob（這是一個列表，因爲RSQLite不知道有多少行會由查詢返回）。由於LIMIT 1確保只返回1行，因此我們將它作爲原始矢量的[[1]]。那麼你需要unserialize原始矢量來獲取你的對象。

來源

2017-10-31 01:11:30

在關係數據庫中存儲R對象

回答

相關問題