用于分组变异操作的 dbplyr 窗口函数

Question

我想使用dbplyr/dplyr 创建一个组级聚合变量。以下是命令的要点：

q = tbl_copy %>% 
  group_by(group_var) %>%
  mutate(x_agg = min(x))

但这会产生以下错误： Error: Window function `min()` is not supported by this database

奇怪的是，当我使用 summarise() 动词时，min() 工作得很好。

q = tbl_copy %>% 
  group_by(group_var) %>%
  summarise(x_agg = min(x))

q %>% show_query()
<SQL>
SELECT `group_var`, `x`, MIN(`x`) AS `x_agg`
FROM `my_table`
GROUP BY `group_var`

我错过了什么？如何在 MySQL 表的副本上使用 group_by() 和 mutate()？

更新：一个可重现的例子

> con <- DBI::dbConnect(RSQLite::SQLite(), ":memory:")
> copy_to(con, mtcars)
> 
> mtcars2 <- tbl(con, "mtcars")
> mtcars2 %>%
+     select(mpg,cyl) %>%
+     group_by(cyl) %>%
+     mutate(mpg_min = min(mpg))
Error: Window function `min()` is not supported by this database

Answer 1

MySQL 不支持窗口函数，这就是 dbplyr 无法将您的 dplyr 代码转换为 SQL 的原因。

当您使用 MySQL 数据库时，通常的解决方法是使用嵌套 SQL 查询，例如：

select yt.*, t.x_agg
from yourtable yt inner join (select group_var, min(x) as x_agg 
                              from yt 
                              group by group_var) t 
                    on yt.group_var = t.group_var

您可以使用dbGetQuery 将上述查询直接发送到 MySQL 或将此策略转换为 dplyr 代码：

tbl_copy %>% 
  inner_join(tbl_copy %>% 
               group_by(group_var) %>%
               summarise(x_agg = min(x)), by = "group_var")

还要注意，如果您的表足够小，更直接的方法是在内存中完成所有操作（我的意思是：在客户端，即在 R 中）。