Transformieren von Daten mithilfe von R (Tutorial zu SQL Server und RevoScaleR)

Gilt für: SQL Server 2016 (13.x) und höhere Versionen

Bei diesem Tutorial handelt es sich um das 9. Tutorial der Tutorialreihe zu RevoScaleR. In diesem Tutorial erfahren Sie, wie Sie RevoScaleR-Funktionen mit SQL Server verwenden.

In diesem Tutorial lernen Sie die RevoScaleR-Funktionen zum Transformieren von Daten in verschiedenen Phasen Ihrer Analyse kennen.

Obwohl die Funktionen rxSummary, rxCube, rxLinModund rxLogit nicht speziell für die Datenverschiebung vorgesehen sind, unterstützen sie jedoch alle dynamische Datentransformationen.

Verwenden von rxDataStep zum Transformieren von Variablen

Die Funktion rxDataStep verarbeitet Daten abschnittsweise und liest aus einer Datenquelle und schreibt in eine andere. Sie können die Spalten angeben, die transformiert werden sollen, die zu ladenden Transformationen usw.

Wir verwenden eine Funktion aus einem anderen R-Paket zum Transformieren der Daten, um dieses Beispiel interessant zu gestalten. Das Paket boot stellt eines der „empfohlenen“ Pakete dar, was bedeutet, dass Start in jeder Verteilung von R enthalten ist, jedoch nicht automatisch beim Starten geladen wird. Aus diesem Grund sollte das Paket schon auf der SQL Server-Instanz verfügbar sein, die für die R-Integration konfiguriert ist.

Verwenden Sie aus dem Paket boot die Funktion inv.logit, die die Umkehrfunktion eines Logit berechnet. Das bedeutet, dass die Funktion inv.logit ein Logit zurück zu einer Wahrscheinlichkeit auf der Skala [0,1] konvertiert.

1. Erstellen Sie zunächst eine Datenquelle, die die Daten aufnimmt, die für die Tabelle ccScoreOutput bestimmt sind.

   sqlOutScoreDS <- RxSqlServerData( table =  "ccScoreOutput",  connectionString = sqlConnString, rowsPerRead = sqlRowsPerRead )
   

2. Fügen Sie eine weitere Datenquelle hinzu, um die Daten für die Tabelle ccScoreOutput2 aufzunehmen.

   sqlOutScoreDS2 <- RxSqlServerData( table =  "ccScoreOutput2",  connectionString = sqlConnString, rowsPerRead = sqlRowsPerRead )
   

   Speichern Sie alle Variablen aus der vorherigen ccScoreOutput-Tabelle sowie die neu erstellte Variable in der neuen Tabelle.

3. Legen Sie den Computekontext auf die SQL Server -Instanz fest.

   rxSetComputeContext(sqlCompute)
   

4. Verwenden Sie die Funktion rxSqlServerTableExists, um zu überprüfen, ob die Ausgabetabelle ccScoreOutput2 bereits vorhanden ist, und verwenden Sie, falls dies der Fall ist, die Funktion rxSqlServerDropTable zum Löschen der Tabelle.

   if (rxSqlServerTableExists("ccScoreOutput2"))     rxSqlServerDropTable("ccScoreOutput2")
   

5. Rufen Sie die Funktion rxDataStep auf, und geben Sie die gewünschten Transformationen in einer Liste an.

   rxDataStep(inData = sqlOutScoreDS,
       outFile = sqlOutScoreDS2,
       transforms = list(ccFraudProb = inv.logit(ccFraudLogitScore)),
       transformPackages = "boot",
       overwrite = TRUE)
   

   Wenn Sie die Transformationen definieren, die für die einzelnen Spalten angewendet werden, können Sie auch alle zusätzlichen R-Pakete angeben, die für die Durchführung der Transformationen notwendig sind. Weitere Informationen zu den Arten von Transformationen, die Sie ausführen können, finden Sie unter Vorgehensweise beim Transformieren von Datenteilmengen mithilfe von RevoScaleR.

6. Rufen Sie rxGetVarInfo auf, um eine Zusammenfassung der Variablen im neuen Dataset anzuzeigen.

rxGetVarInfo(sqlOutScoreDS2)

Ergebnisse

Var 1: ccFraudLogitScore, Type: numeric
Var 2: state, Type: character
Var 3: gender, Type: character
Var 4: cardholder, Type: character
Var 5: balance, Type: integer
Var 6: numTrans, Type: integer
Var 7: numIntlTrans, Type: integer
Var 8: creditLine, Type: integer
Var 9: ccFraudProb, Type: numeric

Die ursprünglichen Logit-Ergebnisse werden beibehalten, jedoch wurde eine neue Spalte, ccFraudProb, hinzugefügt, in der die Logit-Ergebnisse als Werte zwischen 0 und 1 dargestellt sind.

Beachten Sie, dass die Faktorvariablen als Zeichendaten in die Tabelle ccScoreOutput2 geschrieben wurden. Um diese als Faktoren in nachfolgenden Analysen zu verwenden, geben Sie die Ebenen mit dem Parameter colInfo an.

Nächste Schritte