我正在开发一个使用dbplyr查询数据库的Shiny应用程序，但是我很难使用正确的语法实现我常用的dplyr方法来进行条件过滤。看起来潜在的问题是dbplyr不允许您计算外部提供的向量，因此当用户提供一个潜在选项的向量时is.null会失败。
<SQL>
SELECT *
FROM `mtcars`
WHERE (CASE WHEN (((4.0, 6.0) IS NULL)) THEN 1 WHEN (`cyl` IN (4.0, 6.0)) THEN 1 END)最后，将有许多参数需要计算，所以我不想简单地将整个查询放在if/else语句as has been suggested in similar SO questions中。对于如何在构建于dbplyr上的Shiny应用程序中最好地实现条件过滤器，有什么建议吗？
# load libraries
library(dplyr)
library(dbplyr)
# create database and dataframe
mtcars_db <- tbl_memdb(mtcars)
mtcars_df <- collect(mtcars_db)
# parameterized filter function
filter_function <- function(data, user_selection) {
{{data}} |>
filter(
case_when(
is.null({{user_selection}}) ~ TRUE,
cyl %in% {{user_selection}} ~ TRUE
)
)
}
# save vector of user selections
cylinders <- c(4, 6)
# works with dataframes
filter_function(mtcars_df, NULL) # works
filter_function(mtcars_df, cylinders) # works
filter_function(mtcars_db, NULL) # works
filter_function(mtcars_db, cylinders) # fails
# show query of failing version
filter_function(mtcars_db, cylinders) |>
show_query()
2条答案
按热度按时间bbuxkriu1#
如果在
is.null(user_selection)时返回data，则filter函数适用于所有四种用例：bf1o4zei2#
我通常推荐@langtang的方法，但在多种情况下，这显然是不切实际的。
问题的原因是SQL没有办法测试整个列表（例如
(4.0, 6.0)）是否为空。因此，一个解决方案是只测试列表的第一个值：我用OR（
|）代替了case_when，并删除了{{ }}，因为它没有。但这只是一个风格选择。这个解决方案的关键部分是
local，它强制在翻译之前对其内容进行评估。如果我们不包含local，那么dbplyr将尝试翻译类似(4.0, 6.0)[1]的内容（它无法做到这一点）。但是当我们使用local时，dbplyr只需翻译4（这是微不足道的）。这利用了
NULL[1]也是NULL的R行为。我们必须假设
user_selection从来没有NULL作为第一个值，通常情况应该是这样。