如何解决将 R 中列的最后 N 天覆盖到雪花
出于示例目的,我使用了 tidyquant 数据集。
install.packages('tidyquant')
library(tidyquant)
library(data.table)
options("getSymbols.warning4.0"=FALSE)
options("getSymbols.yahoo.warning"=FALSE)
# Downloading Apple price using quantmod
first.date <- Sys.Date() - 30
last.date <- Sys.Date()
getSymbols("AAPL",from = first.date,to = last.date,warnings = FALSE,auto.assign = TRUE)
AAPL<-data.frame(AAPL)
AAPL<- setDT(AAPL,keep.rownames = TRUE)[]
colnames(AAPL)[1] <- "DATE"
AAPL$RUNDATE<-AAPL$DATE
head(AAPL)
DATE AAPL.Open AAPL.High AAPL.Low AAPL.Close AAPL.Volume AAPL.Adjusted RUNDATE
1: 2021-03-19 119.90 121.43 119.68 119.99 185023200 119.99 2021-03-19
2: 2021-03-22 120.33 123.87 120.26 123.39 111912300 123.39 2021-03-22
3: 2021-03-23 123.33 124.24 122.14 122.54 95467100 122.54 2021-03-23
4: 2021-03-24 122.82 122.90 120.07 120.09 88530500 120.09 2021-03-24
5: 2021-03-25 119.54 121.66 119.00 120.59 98844700 120.59 2021-03-25
6: 2021-03-26 120.35 121.48 118.92 121.21 93958900 121.21 2021-03-26
这是我的目标,我已经想出了如何使用 Databricks 中的 R 使用以下命令将此数据集上传到雪花中:
sparkr.sdf <- SparkR::createDataFrame(AAPL)
SparkR::write.df(
df = sparkr.sdf,source = "sNowflake",mode = "overwrite",sfUrl = "<sNowflake-url>",sfUser = user,sfPassword = password,sfDatabase = "<sNowflake-database>",sfSchema = "<sNowflake-schema>",sfWarehouse = "<sNowflake-cluster>",dbtable = "AAPL_table"
)
但是,我想每天运行并上传最新日期的拉取(过去 30 天),附加并覆盖 RunDate 列中的过去 30 天。
我的想法是使用上面相同的查询,只是将 rundate 列更改为今天的日期。 AAPL$RUNDATE<-Sys.Date()
每天。这样,当我运行它时,我可以从这个新的 AAPL$RUNDATE
中减去 30 天,并且只保留 AAPL$RUNDATE 前进 30 天时间范围内的任何内容。
我看到了这段代码,但没有看到设置回溯限制的选项
DBI::dbSendQuery(sNowflake.conn,"use schema schemaname") # strange this is required
dbWriteTable(sNowflake.conn,'tablename',df,append = T,overwrite = F,verbose = T)
或者这个 source:
# Write table
sparklyr.sdf <- copy_to(sc,iris,overwrite = TRUE)
sparklyr.sdf %>%
spark_write_source(
sc = sc,options = sf_options
)
这个想法是我每天运行这个数据拉取过去 30 天的数据,而不是整个时间段,并附加到现有数据集。
以前有没有人做过这样的事情,非常感谢您对此提供的帮助,如果您需要更清楚地了解我要完成的工作,请告诉我
解决方法
假设您运行代码以获取新数据并将其存储在名为 AAPL
的变量中,那么
AAPL$RUNDATE <- Sys.Date()
DBI::dbWriteTable(conn,AAPL,append = TRUE)
从这里开始,我认为您有两个选择:
-
删除超过 30 天的数据。将新数据附加到表后,然后运行
DBI::dbExecute(conn,"delete from AAPL_table where DATEDIFF(day,RUNDATE,CURRENT_DATE()) > 30")
(使用来自
DATEDIFF
和CURRENT_DATE
的示例形成。)作为替代方案,如果您不今天运行清算,您可能更喜欢使用表中观察到的最大值
RUNDATE
而不是今天的日期,在这种情况下,您可能会用到maxdate <- DBI::dbGetQuery(conn,"select max(RUNDATE) as maxdate from AAPL_table")$maxdate if (length(maxdate) && !anyNA(maxdate)) { DBI::dbExecute(conn,"delete from AAPL_table where DATEDIFF(day,?) > 30",params = list(maxdate)) }
-
保留表中的旧数据,无论何时从雪花实例中检索它,只检索过去 30 天的价值:
x <- DBI::dbGetQuery(conn,"select ... from AAPL_table where RUNDATE >= ?",params = list(Sys.Date()))
(注意:我没有snowflake,所以这个是未经测试的。我在sql server中测试了它的前提没有问题,并验证了至少支持两个sql函数。)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。