sqldf и ремонтопригодность базы кода R

Question

Если вы строите значительную кодовую базу всей организации в R, приемлемо ли использовать платформу sqldf в качестве подхода по умолчанию для задач перебора данных? Или лучше всего полагаться на операции с синтаксисом R, где это возможно? Опираясь на sqldf, вы вводите существенное количество другого синтаксиса SQL в свою базу кода R.

Я задаю этот вопрос с особым учетом ремонтопригодности и стиля. Я искал существующие руководства в стиле R и ничего не нашел по этому вопросу.

EDIT: Для уточнения рабочего процесса я озабочен, рассмотрим munging данных скрипт делает достаточно использовать sqldf следующим образом:

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") 

И такой сценарий может продолжаться в течение многих линий. (Для тех, кто знаком с Hadoop и PIG, стиль на самом деле похож на скрипт PIG). Большая часть работы выполняется с использованием синтаксиса SQL, хотя это позволяет избежать сложных подзапросов.

Answer 1

Написать функции. Функции с четкими именами, которые описывают их назначение. Документируйте их. Напишите тесты.

Должны ли функции содержать sqldf или использовать dplyr или использовать голый код R или позвонить Rcpp на этом уровне не имеет значения.

Но если вы хотите попробовать что-то изменить от sqldf до dplyr, важно то, что у вас есть стабильная платформа для экспериментов, что означает четко определенные функции и хороший набор тестов. Может быть, есть узкое место в одной функции, которая может работать на 100 раз быстрее, если вы сделаете это с помощью dplyr? Отлично, вы можете профилировать и тестировать код с обоими.

Вы можете даже разветвить свой код и иметь ветку sqldf и ветку dplyr в вашей системе контроля версий (вы используете RCS, справа?) И работаете параллельно, пока не получите победителя.

Не имеет значения, если вы вводите другие биты синтаксиса в свой R-код с точки зрения обслуживания, если ваша кодовая база хорошо документирована и протестирована.