
这个包最近的跟新版貌似可以直接安装了,之前的版本还需要各种配置。
installed.packages("DBI") #这个包是使用RMySQL的前提
installed.packages("RMySQL")
二、RMySQL常用函数
1、dbConnect() 建立与数据库链接的函数
drv:MySQL()
dbname:链接的数据库的名称
username:连接数据库的用户名
password:连接数据库的密码
host:如果是本地数据库可以略过,否则填写需要链接的地址
port:链接的服务器地址的端口
例子:本地数据库 :conn <- dbConnect(MySQL(),dbname = "test",username = "test",password = "123")
非本地数据库:conn <- dbConnect(MySQL(),dbname = "test",username = "test",password = "123",host = "100.0.0.0",port = 3306)
2、dbSentQurey() 修改返回的数据编码类型
有的时候建立链接后,读取的数据是乱码,那么就需要这个函数来修改
conn:就是dbConnect的变量名称
“SET NAMES utf8”or“SET NAMES gbk”或者其他的编码类型
例子:dbSentQurey(conn = conn,“SET NAMES utf8”)
3、dbGetQuery() 返回查询结果
建好链接,改好编码格式,就可以用这个函数获取需要的数据啦
conn:就是dbConnect的变量名称
statement:就是一条SQL语句
例子:dbGetQuery(conn = conn ,"select * from test")
4、dbDisconnect() 关闭链接
RMySQL一般可以建立16个链接,超过后会报错,所以每次用完之后要记得用这个函数关掉,以免跑循环的时候断掉,得不偿失。
例子:dbDisconnect(conn)
5、dbListTables() 返回数据库内所有表的名字
这个没啥说的了,你要是想看都有什么表就输入一个就好了
例子:dbListTables(conn)
6、dbWriteTable() 将R的数据写到mysql数据库的表中
conn:就是dbConnect的变量名称
name:将写入数据的表名称
value:要写入表的数据,一个数据框,或者转化成数据框
row.names:是否写入行编号
overwrite:是否覆盖写入
append:追加写入
例子:dbWriteTable(conn = conn,name = "test",value = "data",row.names = FALSE,append = TRUE)
三、参考的完整代码
library(DBI)
library(RMySQL)
library(data.table)
conn <- dbConnect(MySQL(),dbname = "xplatform",username = "xplatform",password = "xplatform")#建立连接
dbSendQuery(conn,"SET NAMES gbk") #声明编码类型
test_data <- dbGetQuery(conn,"select * from Rtest_data") #读数据
data <- data.table(NO = 1:10,NUm = 2:6) #建立一个数据框
dbWriteTable(conn,test_data,data,row.names = F,append) #将数据框data追加写入到test_data中
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13