4.11　使用SQL语句操作数据框

到目前为止，你一直在使用R语句操作数据。但是，许多数据分析人员在接触R之前就已经精通了结构化查询语言（SQL），要丢弃那么多积累下来的知识实为一件憾事。因此，在我们结束本章之前简述一下sqldf包。（如果你对SQL不熟，请尽管跳过本节。）

在下载并安装好这个包以后（install.packages("sqldf")），你可以使用sqldf()函数在数据框上使用SQL中的SELECT语句。代码清单4-7给出了两个示例。

代码清单4-7　使用SQL语句操作数据框

  1. > library(sqldf)
  2. > newdf <- sqldf("select * from mtcars where carb=1 order by mpg",
  3.                   row.names=TRUE)
  4. > newdf
  5.                 mpg cyl  disp  hp drat   wt qsec vs am gear carb
  6. Valiant        18.1   6 225.0 105 2.76 3.46 20.2  1  0    3    1
  7. Hornet 4 Drive 21.4   6 258.0 110 3.08 3.21 19.4  1  0    3    1
  8. Toyota Corona  21.5   4 120.1  97 3.70 2.46 20.0  1  0    3    1
  9. Datsun 710     22.8   4 108.0  93 3.85 2.32 18.6  1  1    4    1
  10. Fiat X1-9      27.3   4  79.0  66 4.08 1.94 18.9  1  1    4    1
  11. Fiat 128       32.4   4  78.7  66 4.08 2.20 19.5  1  1    4    1
  12. Toyota Corolla 33.9   4  71.1  65 4.22 1.83 19.9  1  1    4    1
  14. > sqldf("select avg(mpg) as avg_mpg, avg(disp) as avg_disp, gear
  15.               from mtcars where cyl in (4, 6) group by gear")
  16.   avg_mpg avg_disp gear
  17. 1    20.3      201    3
  18. 2    24.5      123    4
  19. 3    25.4      120    5

第一个示例中，你从数据框mtcars中选择了所有的变量（列），保留了那些使用化油器（carb）的车型（行），按照mpg对车型进行了升序排序，并将结果保存为数据框newdf。参数row.names=TRUE将原始数据框中的行名延续到了新数据框中。在第二个示例中，你输出了四缸和六缸车型每一gear水平的mpg和disp的平均值。

经验丰富的SQL用户将会发现，sqldf包是R中一个实用的数据管理辅助工具。请参阅项目主页（http://code.google.com/p/sqldf/）以了解详情。