sqldf和R代码库的可维护性[关闭]

Question

如果一个人在R中构建一个实质性的，组织范围的代码库，那么依赖sqldf包作为数据修改任务的默认方法是否可以接受？ 或者，最好的做法是尽可能依赖具有R特定语法的操作？ 通过依赖sqldf，人们在其R代码库中引入了大量不同的语法SQL。

我在具体考虑可维护性和风格方面提出这个问题。 我搜索了现有的R风格指南，但没有找到关于这个主题的任何内容。

编辑：为了澄清我所关注的工作流程，考虑一个数据修改脚本充分利用sqldf，如下所示：

library(sqldf)
gclust_group<-sqldf("SELECT clust,SUM(trips) AS trips2
                FROM gclust
                GROUP BY clust")

gclust_group2<-sqldf("SELECT g.*, h.Longitude,h.Latitude,h.withinss, s.trips2
                 FROM highestd g
                 LEFT JOIN centers h
                 ON g.clust=h.clust
                 LEFT JOIN gclust_group s
                 ON g.clust=s.clust")

这样的脚本可以继续多行。 （对于那些熟悉Hadoop和PIG的人来说，这种风格实际上类似于PIG脚本）。 大多数工作都是使用SQL语法完成的，尽管有避免复杂子查询的好处。

Answer 1

写功能。 具有明确名称的功能描述其目的。 记录它们。 写测试。

函数是否包含sqldf部分，或使用dplyr ，或使用裸R代码，或调用Rcpp是否与该级别无关。

但是如果你想尝试从sqldf更改为dplyr ，重要的是你有一个可以进行实验的稳定平台，这意味着定义良好的函数和一组好的测试。 也许在一个函数中存在一个瓶颈，如果用dplyr执行它可能会快100倍？ 太棒了，你可以用两者来描述和测试代码。

您甚至可以分支您的代码并在您的修订控制系统中拥有一个sqldf分支和一个dplyr分支（您使用的是RCS，对吧？）并且并行工作直到您获得胜利。

如果您的代码库有充分的文档和测试，那么从可维护性的角度来看，如果您在R代码中引入其他的语法，那么这无关紧要。