如何让R语言通过RODBC库读写数据库的数据

如何让R语言能够读写SQL Server里的数据

一、 安装RODBC库

1、进入R语言的GUI界面(RGUI.EXE),在菜单栏选择“程序包/安装程序包”(如图)


2、在弹出的窗口里往下拉,选择RODBC如图,点击确定



3、在ODBC数据源管理器里将需要的数据库添加进去,这里笔者使用的是SQL Server2008,驱动程序选择Native Client10.0


3、在R语言窗口输入连接语句

> library(RODBC)

**这里是载入RODBC库
> channel<-odbcConnect(“MyTest”,uid=”ripley”,case=”tolower”)

**连接刚才添加进数据源的“MyTest”数据库

**ch <- odbcConnect(“some dsn “, uid = “user “, pwd = “**** “)

**表示用户名为user,密码是****,如果没有设置,可以直接忽略
> data(USArrests)

**将“USArrests”表写进数据库里(这个表是R自带的)
> sqlSave(channel,USArrests,rownames = “state”,addPK = TRUE)

**将数据流保存,这时候打开SQL Server就可以看到新建的USArrests表了
> rm(USArrests)
> sqlTables(channel)

**给出数据库中的表
> sqlFetch(channel,”USArrests”,rownames = “state”)

**输出USArrests表中的内容
> sqlQuery(channel,”select * from USArrests”)

**调用SELECT查询语句并返回结果(如图)

> sqlDrop(channel,”USArrests”)

**删除表

> odbcClose(channel)

**最后要记得关闭连接

当然,通过这个办法也可以读取Excel、Access表中的内容,具体方法类似,这里不再重复

时间: 2025-01-26 23:09:35

如何让R语言通过RODBC库读写数据库的数据的相关文章

《R的极客理想—工具篇》—— 2.1 R语言时间序列基础库zoo

2.1 R语言时间序列基础库zoo 问题 R语言怎么处理时间序列数据? 引言 时间序列分析是一种动态数据处理的统计方法,通过对时间序列数据的分析,我们可以感觉到世界正改变着什么!R语言作为统计分析的利器,对时间序列处理有着强大的支持.在R语言中,单独为时间序列数据定义了一种数据类型zoo,zoo是时间序列的基础,也是股票分析的基础.本节将介绍zoo库在R语言中的结构和使用. 2.1.1 zoo包介绍 zoo是一个R语言类库,zoo类库中定义了一个名为zoo的S3类型对象,用于描述规则的和不规则的

《数据科学:R语言实现》——3.8 合并数据

3.8 合并数据 数据合并让我们理解不同数据源是如何相互关联的.R中的merge操作与数据库中的join操作类似,它使用两个数据集中相同的值来连接两个数据集. 准备工作 按照3.3节"转换数据类型"教程,把导入数据的每个属性转换成合适的数据类型.同时按照3.2节"重命名数据变量"中的步骤,命名employees和salaries数据集的列名. 实现步骤 执行下列步骤,合并salaries和employees. 1.因为salaries和employees都有emp_

如何用 R 语言的 Shiny 库编写 web 程序

Shiny 是一个来自 RStudio 的工具包,它让创建 web 程序变得更容易.它能从 R 控制台轻松安装,只需要一行,就可以加载好最新的稳定版本来使用.这里有一个很棒的教程,它可以在前面课程基础上,带着你理解应用架设的概念. Shiny 的授权是 GPLv3,源代码可以在 GitHub 上获得. 这是一个用 Shiny 写的简单的小 web 程序: library(shiny) server <- function(input, output, session) { observe({ m

《数据科学:R语言实现》——3.9 排列数据

3.9 排列数据 排列可以让我们在某种顺序下观察数据,以便更有效地分析数据.在数据库中,我们可以使用order by语句对指定的列进行数据排序.在R中,我们使用函数order和sort来对数据排序. 准备工作 按照3.3节"转换数据类型"教程,把导入数据的每个属性转换成合适的数据类型.同时按照3.2节"重命名数据变量"中的步骤,命名employees和salaries数据集的列名. 实现步骤 运行原理 R提供了两种排列数据的方法:一个是sort,另一个是order.

《数据科学:R语言实现》——3.6 过滤数据

3.6 过滤数据 数据过滤对于希望分析部分数据而不是全部数据集的读者来说是最常见的需求.在数据库操作中,我们可以使用带有where语句的SQL命令获取数据子集.在R中,我们也可以使用方括号来执行过滤操作. 准备工作 按照3.3节"转换数据类型"教程,把导入数据的每个属性转换成合适的数据类型.同时按照3.2节"重命名数据变量"中的步骤,命名employees和salaries数据集的列名. 实现步骤 执行下列步骤,过滤数据. 1.首先,使用head和tail获取emp

《数据科学:R语言实现》——3.7 舍弃数据

3.7 舍弃数据 在之前的教程中,我们介绍了如何修改和过滤数据集.这些步骤基本上涵盖了数据预处理和数据准备的主要过程.但是,我们还想找出数据集中的坏数据.那些坏数据或者不想要的数据应该丢弃,避免生成误导的结果.这里,我们会介绍一些移除无用数据的实用方法. 准备工作 按照3.3节"转换数据类型"教程,把导入数据的每个属性转换成合适的数据类型.同时按照3.2节"重命名数据变量"中的步骤,命名employees和salaries数据集的列名. 实现步骤 执行下列步骤,舍弃

《数据科学:R语言实现》——3.10 重塑数据

3.10 重塑数据 重塑数据类似于创建列联表,它允许用户聚合特定值下的数据.reshape2程序包就是用来完成这个任务的.这里,我们会介绍如何使用reshape2程序包,借助函数dcast把长数据转换成宽数据.我们也会介绍如何使用函数melt把宽数据转换回长数据. 准备工作 按照3.8节"合并数据"教程,把employees和salaries融合为employees_salary. 实现步骤 执行下列步骤,重塑数据. 1.首先,我们可以使用函数dcast把长数据转换成宽数据: 2.我们

R语言数据挖掘

数据分析与决策技术丛书 R语言数据挖掘 Learning Data Mining with R [哈萨克斯坦]贝特·麦克哈贝尔(Bater Makhabel) 著 李洪成 许金炜 段力辉 译 图书在版编目(CIP)数据 R语言数据挖掘 / (哈)贝特·麦克哈贝尔(Bater Makhabel)著:李洪成,许金炜,段力辉译. -北京:机械工业出版社,2016.9 (数据分析与决策技术丛书) 书名原文:Learning Data Mining with R ISBN 978-7-111-54769-

一文读懂R语言 R可以做所有SAS做的事情

以下5种语言 NODE.LUA.Python.Ruby.R ,哪个在2014年的应用前景会更好? 我毫不犹豫的选择R.R不仅是2014年,也是以后更长一段时间的主角. 1. 我的编程背景 本人程序员.架构师,从编程入门到今天,一直深信着Java是改变世界的语言,Java已经做到了,而且一直很辉煌.但当Java的世界越来越大,变得无所不能的时候,反而不够专业,给了其他语言发展的机会. 本次要比较要5种编程语言(NODE,LUA,Python,Ruby,R),这些都是非常优秀的,在特定领域发展壮大的