使用 R 处理多维（时空）数据的最佳实践

Question

我有一个关于在 R 中使用 (Postgre)SQL 数据库的问题：关于这个主题的许多文档都强调这样一个事实，即只有在处理不支持的大数据时，在 R 中使用 SQL 数据库才有意义。适合您的 ram（例如，参见 here 和 here）。我有不同的情况，并没有发现使用 Postgre(SQL) 数据库是否是一个合理的决定。这是我的情况：

我非常热衷于一项生态研究，我在大约 2 年的时间里以不同的采样间隔（5 分钟和 3 小时）分析狍 gps 数据。另外，我以 4 分钟的采样间隔整合了两个轴加速度数据。

为了评估狍对人类的行为，我分析了这些多维数据，并将其与以 5 秒的采样间隔采集的人类 gps 数据进行比较。

迄今为止，我一直在使用带有 dplyr 的数据框/数据表进行此分析。将所有数据合并到一个数据集时，生成的数据表变得非常宽。这些列包括：人类和狍的时间戳、ID、X/Y 位置、DOP 等，以及所有由此产生的计算值，如距离、速度、海拔、接近度等等。 p>

此外，数据非常长：由于同时记录了多个狍和多个人的位置（多对多关系），这导致许多 数据框中的重复。最重要的是，人类和狍之间的不同采样间隔也会导致重复（狍的位置）。

我希望通过数据库解决方案，我可以

1. 编写更短、更优雅、更简洁的代码来分析我的数据
2. 更好地了解我的数据，因为它是
   • 更短（无重复）和
   • 更窄（具有相应关系的各个数据集的单独表）

你会推荐在我的情况下使用数据库吗？使用数据库解决方案是否有助于实现上述目标？

Answer 1

Postgresql 提供ACID 数据库的所有保护。

我在工作中同时使用 R 和 Postgresql。老实说，我更喜欢数据库中的大部分内容。

关于您的多对多数据，加入Database normalization 可能会帮助您。

另外，从 postgresql 中选择相关列并对行应用过滤器可能会有所帮助。更多关于选择查询的信息可以在这里找到参考Postgresql select tutorial

EG

从 example_table where x =y etc 中选择 column1、column3 并将其读入数据集。

数据库更适合处理数据，而 R 更适合数据分析。

如果您想查看从 R 调用 Postgresql 的命令，可以查看 Google 的这篇文章。

参考RPostgresql

例子

``` 库（RPostgreSQL）

加载 PostgreSQL 驱动程序

drv

打开连接

con

提交声明

rs

一切顺利