Quelles sont les equivalences entre SQL et R (via la librairie dplyr) ?

Pour manipuler les données, le SQL est très pratique. Mais cela demande d’ecrire les actions à réaliser en 1 seul bloc. Avec R, c’est beaucoup plus facile, car il est possible de décomposer les actions une à une, les unes à la suite des autres (à l’aide de la librairie dplyr). Cet article va lister les équivalences entre R et SQL pour chaque action à réaliser.

Pour illustrer la manière d’ecrire les actions en SQL et en R, on va utiliser la table de données suivante :

Pour sélectionner les colonnes pour lesquels on souhaite récupérer les données :

SQL :

SELECT Note
FROM maTable

R :

library(dplyr)
maTable %>% select(Note)

Pour filtrer les données :

SQL :

SELECT Note
FROM maTable
WHERE Matiere = "Maths"

R:

library(dplyr)
maTable %>% filter(Matiere == "Maths) %>% select(Note)

Pour faire un décompte avec regroupement :

SQL :

SELECT Matiere, AVG(Note) as Moyenne
FROM maTable
GROUP BY Matiere

R :

library(dplyr)
maTable %>% group_by(Matiere) %>% summarise(Moyenne=mean(Note))

Pour faire un tri :

SQL :

SELECT Note
FROM maTable
ORDER BY Note DESC

R :

library(dplyr)
maTable %>% select(Note) %>% arrange(desc(Note))

Pour faire une union de 2 tables de données :

SQL :

(SELECT *
FROM maTable)
UNION
(SELECT *
FROM maTable2)

R :

library(dplyr)
maTable %>% bind_rows(maTable2)

Pour faire une jointure de 2 tables de données :

SQL :

SELECT *
FROM maTable
INNER JOIN maTable3 ON maTable.Personne = maTable3.Personne AND maTable.Matiere = maTable3.Matiere

R :

library(dplyr)
maTable %>% inner_join(maTable3, by=c("Personne" = "Personne", "Matiere" = "Matiere"))

Pour + d’infos :

https://statisticsglobe.com/r-dplyr-join-inner-left-right-full-semi-anti