Datenverwaltung mit der Netezza für R

Das wichtigste und häufigste Konstrukt ist das Objekt der Klasse " nz.data.frame. Die Funktion ' nz.data.frame() erzeugt einen Zeiger auf eine Tabelle im Netezza. Dieser Zeiger kann später verwendet werden, um Datenumwandlungen mit " nzApply oder " nzRun oder Data-Mining-Algorithmen durchzuführen. Es speichert keine Daten im lokalen Speicher, sondern stellt Metadaten bereit, die zur Bestimmung der richtigen Tabellenuntermenge (Spalten oder Zeilen oder beides) verwendet werden können, in der der Benutzercode ausgeführt werden soll. Es ist die Standardausgabe der meisten Datenmanipulationsfunktionen in der Netezza R-Bibliothek.

nzConnect("user", "password", "TT4-R040", "mm")
# create a reference to the table
adult nzadult = nz.data.frame("adult")
#Show the reference
nzadult
#SELECT
#ID,AGE,WORKCLASS,FNLWGT,EDUCATION,EDUCATION_NUM,MARITAL_STATUS,OCCUPATION,RELA#T
IONSHIP,RACE,SEX,CAPITAL_GAIN,CAPITAL_LOSS,HOURS_PER_WEEK,INCOME FROM ADULT

Die Klasse " nz.data.frame implementiert eine Reihe von Methoden zum Extrahieren einer Teilmenge ihrer Daten, zum Sammeln von Metainformationen ähnlich wie bei " data.frame und zum Arbeiten mit parallelen Datenverarbeitungsalgorithmen. Netezza kann für die Arbeit mit Schemata konfiguriert werden. Auf Tabellen mit Schemata kann auf die gleiche Weise verwiesen werden, wobei neben dem Tabellennamen auch der Schemaname verwendet wird.

# create a reference to the table adult
nzadult = nz.data.frame("a.adult")

Sowohl bei Schemata als auch bei Tabellen kann die Groß- und Kleinschreibung beachtet werden. In diesem Fall müssen sie in Anführungszeichen gesetzt werden. Es folgt ein Beispiel für den Zugriff auf die Tabelle "Adult" (Groß- und Kleinschreibung beachten) im Schema A (Groß- und Kleinschreibung nicht beachten).

# create a reference to the table Adult
nzadult = nz.data.frame('A."Adult"')

Eine Einschränkung besteht darin, dass Zeilen nicht über ihre Nummern referenziert werden können, da es im Netezza keine fortlaufende Zeilennummerierung gibt. Stattdessen müssen Sie wertbasierte Bedingungen angeben, wie z. B

nzdf2 <- nzadult[nzadult$ID>20,]

Das Ergebnis jeder Auswahl kann teilweise mit Hilfe der Funktion " dim() überprüft werden, da in diesem Stadium nur Metadaten an R übertragen wurden. Diese Funktion gibt die Anzahl der Zeilen und Spalten zurück.

# there are 15 columns and 32561 rows in the "adult"
table dim(nzadult)
#[1] 32561 15
# selecting columns 5,6 and
7 t1 <- nzadult[,5:7]
#SELECT EDUCATION,EDUCATION_NUM,MARITAL_STATUS FROM ADULT
# t1 has only 3 columns
dim(t1)
#[1] 32561 3
# selecting columns by their
names (t2 <- nzadult$AGE)
#SELECT AGE FROM ADULT
# t2 has only 1
column dim(t2)
#[1] 32561 1
# selecting rows satisfying condition AGE>30 and EDUCATIONNUM=10
# from the subset of columns number 1,2,5,7 and 16
t3 <- nzadult[nzadult[,2]>30 & nzadult[,6] == 10,c(1,2,6,7,15)]
t3
#SELECT ID,AGE,EDUCATION_NUM,MARITAL_STATUS,INCOME FROM ADULT WHERE ( AGE >
#'30' ) AND ( EDUCATION_NUM = '10' )
# there are fewer rows and fewer columns than in the initial
table dim(t3)
#[1] 4226 5

Um eine Stichprobe der Daten zu erhalten, können Sie die Funktionen " head() und " tail() verwenden. Die Funktionen ziehen die angegebenen Daten vom Anfang oder Ende des Datensatzes.

head(t3,4)
# ID AGE EDUCATION_NUM MARITAL_STATUS INCOME
#1 28 54 10 Married-civ-spouse large
#2 56 43 10 Married-civ-spouse large
#3 92 37 10 Divorced small
#4 140 49 10 Married-civ-spouse large
tail(nzadult[,1:4])
# ID AGE WORKCLASS FNLWGT
#32556 32538 30 Private 345898
#32557 32542 41 Private 202822
#32558 32546 39 Local-gov 111499
#32559 32550 43 State-gov 255835
#32560 32554 32 Private 116138
#32561 32558 40 Private 154374

Um den vollständigen Datensatz zu betrachten, muss er mit " as.data.frame" vom Netezza heruntergeladen werden. Da es sich bei Erwachsenen um einen großen Datensatz handelt, wird im folgenden Beispiel stattdessen einer der zuvor erstellten Datenrahment3) verwendet.

reg_df <- as.data.frame(t3)
head(reg_df)
# ID AGE EDUCATION_NUM MARITAL_STATUS INCOME
#1 28 54 10 Married-civ-spouse large
#2 56 43 10 Married-civ-spouse large
#3 92 37 10 Divorced small
#4 140 49 10 Married-civ-spouse large
#5 204 42 10 Never-married small
#6 264 59 10 Married-civ-spouse small
class(reg_df)
#[1] "data.frame"

Dieses Beispiel zeigt, wie ein ' nz.data.frame aus einem anderen R-Objekt erstellt werden kann, in diesem Fall aus einer ' data.frame.

data(iris)
if (nzExistTable("nziris")) nzDeleteTable("nziris")
d = as.nz.data.frame(iris, "nziris")
d
#SELECT Sepal_Length,Sepal_Width,Petal_Length,Petal_Width,Species FROM nziris
class(d)
#[1] "nz.data.frame"
#attr(,"package")
#[1] "nzr"

Der Iris-Datensatz wird nun in einer Netezza " NZIRIS gespeichert. Wenn das zweite Argument nicht angegeben wird, wird der Tabellenname zufällig generiert.