dplyr连接外部数据库时如何在summarize()中使用自定义函数

首先翻译报错信息如下：

错误位于 postgresqlExecStatement(conn, statement, ...) :
RS-DBI 驱动: (无法检索执行结果: 错误: 函数 getprecision(integer, integer) 不存在)

核心原因 #

dplyr对接远端数据库时，会默认将dplyr语法自动转换为对应数据库的SQL语句，直接下发到数据库端执行。你定义的getPrecision是R环境本地的自定义函数，PostgreSQL数据库端完全没有这个函数的定义，因此SQL执行时直接抛出找不到函数的错误。
另外你提供的示例代码中管道符存在书写错误，正确的管道符为%>%而非%>。

解决方案 #

方案1：先拉取数据到本地再计算（适合数据量不大的场景） #

提前用collect()把需要的字段拉取到R本地内存后，再执行分组聚合和自定义函数，所有计算在R端完成：

getPrecision <- function(true_positive, all_positive){
  if_else(sum(all_positive, na.rm = TRUE) == 0, 0,
          (sum(true_positive, na.rm = TRUE) / sum(all_positive , na.rm = TRUE)))
}

database_data %>%
    select(product, true_positive, all_positive) %>% # 提前筛选字段减少拉取量
    collect() %>%
    group_by(product) %>%
    summarize(precision = getPrecision(true_positive, all_positive))

方案2：转换为dplyr原生语法实现计算（最优解，性能最高） #

你需要的精度计算逻辑不需要封装自定义R函数，直接用dplyr原生支持的sum、if_else函数即可实现，这些函数dplyr可以自动翻译为PostgreSQL支持的SQL语法，所有计算在数据库端完成，不需要拉取全量数据：

database_data %>%
    group_by(product) %>%
    summarize(
      precision = if_else(
        sum(all_positive, na.rm = TRUE) == 0,
        0,
        sum(true_positive, na.rm = TRUE) / sum(all_positive, na.rm = TRUE)
      )
    ) %>% 
    collect()

方案3：在数据库端创建同名自定义函数（适合逻辑高频复用场景） #

如果你有数据库的函数创建权限，可以在PostgreSQL中用PL/pgSQL语法创建getprecision函数，这样下发的SQL就可以直接调用该函数，该方案需要适配数据库的函数编写规则，使用成本较高，非必要不推荐。

内容的提问来源于stack exchange，提问作者Karley