Database 什么时候用R，什么时候用SQL

我有一个中等大小的数据库，有许多联接和查找表.

我更熟悉R而不是SQL，而且我正在使用MySQL.

我的问题是:

在什么情况下，为了支持R中的数据子设置功能(例如，merge、*apply、maply、dlply等)而停止增加SQL语句的复杂性是有益的.

一方面，SQL的连接比 Select 每个表的所有内容并使用Rmerge函数连接它们更容易.此外，在SQL中执行条件 Select 将减少必须导入到R的数据量；但是速度差别并不大.

另一方面，具有复杂WHERE子句的大连接比R语法更不容易理解.

下面我有大约untested个代码用于说明目的:我在没有工作代码之前问这个问题，我的问题的答案不需要工作代码(尽管这总是受到赞赏)-"最优雅的方法"、"最少的行"或"令人惊叹的X实现"总是受到赞赏，但我特别感兴趣的是"最合理/最实用/最规范/基于基本原则"的基本原理.

我感兴趣的是，哪些步骤应该使用SQL where子句，哪些步骤使用R更容易完成.

插图:

数据库描述

共有三张表:a、ab和b.表a和b各有一个主键id.它们有一个由查找表ab表示的多对多关系，该表包含分别连接到a.id和b.id的字段ab.a_id和ab.b_id.两个表都有time字段，a有group字段.

目标:

下面是一个我想做的联接和子集的最小示例；

(MySQL元素命名，例如a.id相当于R中的a$id)

1. 使用ab连接表a和b，将与每个a.id相关联的多个b.time值作为一个新列追加；

   select a_time, b.time, a.id, b.id from 
          a join ab on a.id = ab.a_id 
          join b on b.id = ab.b_id and then append b.time for distinct values of b.id;
   

2. 我不需要重复的b值.时间，我只需要一个值b.max:对于每个a.id的重复值b.time，b.max是b.time最接近但不大于a.time的值

   b.max <- max(b.time[b.time < a.time))
   

3. 将值dt <- a.time - b.max附加到表中，例如，在R中，

4. 对于a.group中的每个不同值， Select 哪个(min(x.dt))

   x.dt <- a.time - b.max