Come si specifica una chiave primaria quando si utilizza dplyr copy_to()?

Question

Vorrei usare copy_to() da dplyr per creare una nuova tabella. Gli indici possono essere facilmente specificati, ma non vedo una sintassi per specificare una chiave primaria. L'approccio consigliato è semplicemente di creare la tabella prima e quindi copiare i dati in essa utilizzando copy_to() come seconda fase, oppure esiste un modo in un'unica soluzione per specificare la chiave primaria in copy_to()?

Answer 1

Come menzionato da John nel commento, Hadley ha fornito un esempio di impostazione dell'indice in una vecchia presentazione, archived here. Il suo esempio:

hflights_db <- src_sqlite("hflights.sqlite3", 
create = TRUE) 

copy_to(
    dest = hflights_db, 
    df = as.data.frame(flights), 
    name = "flights", 
    indexes = list(
     c("date", "hour"), 
     "plane", 
     "dest", 
     "arr" 
    ), temporary = FALSE 
) 

Tuttavia, gli indici non sono chiavi primarie. Ho scavato nel codice dplyr e dbplyr per vedere se è possibile specificare una chiave primaria. Non sembra. Ho trovato una soluzione a metà dplyr. Ecco un esempio funzionante.

#packages 
library(pacman) 
p_load(nycflights13, dplyr) 

#connect to a standard mysql database 
#one cannot use sqlite because it doesn't allow one to modify primary keys after creation of a table, but one could create the key at creation 
#but that would mean one cannot use copy_to 
hflights_db = src_mysql("test", host = "127.0.0.1", username = "root", password = "root") 

#does work? 
hflights_db 

#add a unique value to use as primary key 
flights$key = 1:nrow(flights) 

#copy flights data 
copy_to(
    dest = hflights_db, 
    df = as.data.frame(flights), 
    name = "flights", 
    indexes = list(
    "key", 
    c("year", "month", "day", "hour", "minute"), 
    "tailnum", 
    "dest", 
    "origin", 
    "carrier" 
), 
    temporary = FALSE, 
) 

#set primary key 
dbExecute(hflights_db$con, 
      "ALTER TABLE flights 
      ADD PRIMARY KEY (`key`);" 
     ) 


#check status 
tbl(hflights_db, "flights") 

uscita:

# Source: table<flights> [?? x 20] 
# Database: mysql 5.7.19-0ubuntu0.16.04.1 [root@127.0.0.1:/test] 
    year month day dep_time sched_dep_time dep_delay arr_time sched_arr_time arr_delay carrier flight tailnum origin dest air_time distance hour 
    <int> <int> <int> <int>   <int>  <dbl> <int>   <int>  <dbl> <chr> <int> <chr> <chr> <chr> <dbl> <dbl> <dbl> 
1 2013  1  1  517   515   2  830   819  11  UA 1545 N14228 EWR IAH  227  1400  5 
2 2013  1  1  533   529   4  850   830  20  UA 1714 N24211 LGA IAH  227  1416  5 
3 2013  1  1  542   540   2  923   850  33  AA 1141 N619AA JFK MIA  160  1089  5 
4 2013  1  1  544   545  -1  1004   1022  -18  B6 725 N804JB JFK BQN  183  1576  5 
5 2013  1  1  554   600  -6  812   837  -25  DL 461 N668DN LGA ATL  116  762  6 
6 2013  1  1  554   558  -4  740   728  12  UA 1696 N39463 EWR ORD  150  719  5 
7 2013  1  1  555   600  -5  913   854  19  B6 507 N516JB EWR FLL  158  1065  6 
8 2013  1  1  557   600  -3  709   723  -14  EV 5708 N829AS LGA IAD  53  229  6 
9 2013  1  1  557   600  -3  838   846  -8  B6  79 N593JB JFK MCO  140  944  6 
10 2013  1  1  558   600  -2  753   745   8  AA 301 N3ALAA LGA ORD  138  733  6 
# ... with more rows, and 3 more variables: minute <dbl>, time_hour <chr>, key <int> 

dplyr non mostra gli indici o le chiavi, per quanto posso dire. Così ho usato DBeaver confermare: