R sqldf -循环内/外索引

Question

我使用sqldf函数重复地将表的子集与自身连接起来。重复过程在for循环中发生。我读过添加索引可以提高这些联接这里的性能。

我的问题是--如果我在循环中重复这样做，这是否意味着每次循环执行时我都必须重新创建索引，还是有一种方法让索引在循环之外“持久”，但在循环中使用呢？

换句话说，我只看过这个版本：

for(i in 1:10){
   df1 <- sqldf(c('create index...','select * from table1'))
}

有办法这样做吗？

df1 <- sqldf('create index...') # create index outside of loop

for(i in 1:10){
   df2 <- sqldf('select * from t1 left join t2 on t1.col1 = t2.col1')
}

编辑：

> sqldf() 
NULL
> 
> sqldf("create index idx on iris(Species)") ## 
data frame with 0 columns and 0 rows
> sqldf("select count(*) from main.iris where Species = 'virginica'") ##
Error in rsqlite_send_query(conn@ptr, statement) : 
  no such table: main.iris
> sqldf("select count(*) from main.iris where Species <> 'virginica'") ##
Error in rsqlite_send_query(conn@ptr, statement) : 
  no such table: main.iris
> 
> sqldf()
<SQLiteConnection>
  Path: :memory:
  Extensions: TRUE
> 

EDIT_2：

> sqldf() 
NULL
> # close an old connection if it exists
>    if (!is.null(getOption("sqldf.connection"))) sqldf()
> sqldf() 
<SQLiteConnection>
  Path: :memory:
  Extensions: TRUE
> sqldf("create index idx on iris(Species)") ## 
data frame with 0 columns and 0 rows
> sqldf("select count(*) from main.iris where Species = 'virginica'") ##
  count(*)
1       50
> sqldf("select count(*) from main.iris where Species <> 'virginica'") ##
  count(*)
1      100
> sqldf() 
NULL

Answer 1

sqldf的无参数形式可以用于打开和关闭连接，这样中间的sqldf语句都可以使用相同的连接。

请注意，我们可以通过将表x引用为main.x来引用已经上载的表的版本；否则，每个sqldf将再次尝试上载该表。您还可以考虑将verbose = TRUE参数添加到标记为##的语句中，以查看发生了什么。

library(sqldf)

sqldf() 

sqldf("create index idx on iris(Species)") ## 
sqldf("select count(*) from main.iris where Species = 'virginica'") ##
sqldf("select count(*) from main.iris where Species <> 'virginica'") ##

sqldf()

在sqldf github主页上有一些例子。

另一种可能是直接使用RSQLite。

还请注意，您可以生成SQL字符串的向量，并将整个向量传递给sqldf：sqldf(v)。

还有一种可能是使用SQLite递归公共表表达式。谷歌获得更多信息。

请注意，select以外的语句(如create)会在RSQLite 2.0下产生警告，但仍会给出正确的结果，因此要么忽略警告，要么使用较早版本的RSQLite。