Arrow dplyr 查詢中可用的函數

arrow 套件包含 37 個 dplyr 表格函數的方法，其中許多是「動詞」，用於對一個或多個表格進行轉換。該套件還具有 212 個 R 函數到 Arrow 計算函式庫中對應函數的映射。這些映射讓您可以在 dplyr 方法內部編寫呼叫 R 函數的程式碼，包括 stringr 和 lubridate 等套件中的許多函數，它們將被翻譯成 Arrow 並在 Arrow 查詢引擎 (Acero) 上執行。本文檔列出了所有已映射的函數。

dplyr 動詞

大多數動詞函數返回一個 arrow_dplyr_query 物件，在精神上類似於 dbplyr::tbl_lazy。這表示這些動詞不會在資料上急切地評估查詢。若要執行查詢，請呼叫 compute() (它會傳回一個 arrow Table) 或 collect() (它會將結果 Table 拉取到 R tibble 中)。

• anti_join()：copy 參數會被忽略

• arrange()

• collapse()

• collect()

• compute()

• count()

• distinct()：不支援 .keep_all = TRUE

• explain()

• filter()

• full_join()：copy 參數會被忽略

• glimpse()

• group_by()

• group_by_drop_default()

• group_vars()

• groups()

• inner_join()：copy 參數會被忽略

• left_join()：copy 參數會被忽略

• mutate()

• pull()：不支援 name 參數；預設傳回 R 向量，但此行為已棄用，未來版本將傳回 Arrow ChunkedArray。提供 as_vector = TRUE/FALSE 以控制此行為，或全域設定 options(arrow.pull_as_vector)。

• relocate()

• rename()

• rename_with()

• right_join()：copy 參數會被忽略

• select()

• semi_join()：copy 參數會被忽略

• show_query()

• slice_head()：不支援在群組內切片；Arrow 資料集沒有列順序，因此 head 是非決定性的；僅在 nrow() 在不評估的情況下可知的查詢中支援 prop

• slice_max()：不支援在群組內切片；不支援 with_ties = TRUE (dplyr 預設值)；僅在 nrow() 在不評估的情況下可知的查詢中支援 prop

• slice_min()：不支援在群組內切片；不支援 with_ties = TRUE (dplyr 預設值)；僅在 nrow() 在不評估的情況下可知的查詢中支援 prop

• slice_sample()：不支援在群組內切片；不支援 replace = TRUE 和 weight_by 參數；僅在 nrow() 在不評估的情況下可知的查詢中支援 n

• slice_tail()：不支援在群組內切片；Arrow 資料集沒有列順序，因此 tail 是非決定性的；僅在 nrow() 在不評估的情況下可知的查詢中支援 prop

• summarise()：目前不支援視窗函數；不支援參數 .drop = FALSE 和 .groups = "rowwise"

• tally()

• transmute()

• ungroup()

• union()

• union_all()

函數映射

在下面的列表中，列出了 Acero 和 R 函數之間在行為或支援方面的任何差異。如果函數名稱後沒有註解，則您可以假設該函數在 Acero 中的運作方式與在 R 中相同。

函數可以呼叫為 pkg::fun() 或僅 fun()，即 str_sub() 和 stringr::str_sub() 都可以使用。

除了這些函數之外，您還可以**直接**呼叫 Arrow 的任何 262 個計算函數。Arrow 有許多函數沒有映射到現有的 R 函數。在其他有 R 函數映射的情況下，如果您不想要 R 映射所做的使 Acero 行為類似於 R 的調整，您仍然可以直接呼叫 Arrow 函數。這些函數列在 C++ 文件中，並且在 R 中的函數註冊表中，它們以 arrow_ 字首命名，例如 arrow_ascii_is_decimal。

arrow

• add_filename()

• cast()

base

• !

• !=

• %%

• %/%

• %in%

• &

• *

• +

• -

• /

• <

• <=

• ==

• >

• >=

• ISOdate()

• ISOdatetime()

• ^

• abs()

• acos()

• all()

• any()

• as.Date()：Arrow 中不支援多個 tryFormats。請考慮使用 lubridate 專用的解析函數 ymd()、ymd() 等。

• as.character()

• as.difftime()：僅支援 units = "secs" (預設值)

• as.double()

• as.integer()

• as.logical()

• as.numeric()

• asin()

• ceiling()

• cos()

• data.frame()：不支援 row.names 和 check.rows 參數；stringsAsFactors 必須為 FALSE

• difftime()：僅支援 units = "secs" (預設值)；不支援 tz 參數

• endsWith()

• exp()

• floor()

• format()

• grepl()

• gsub()

• ifelse()

• is.character()

• is.double()

• is.factor()

• is.finite()

• is.infinite()

• is.integer()

• is.list()

• is.logical()

• is.na()

• is.nan()

• is.numeric()

• log()

• log10()

• log1p()

• log2()

• logb()

• max()

• mean()

• min()

• nchar()：不支援 allowNA = TRUE 和 keepNA = TRUE

• paste()：尚不支援 collapse 參數

• paste0()：尚不支援 collapse 參數

• pmax()

• pmin()

• prod()

• round()

• sign()

• sin()

• sqrt()

• startsWith()

• strftime()

• strptime()：接受 base 函數中不存在的 unit 參數。有效值為 "s"、"ms" (預設值)、"us"、"ns"。

• strrep()

• strsplit()

• sub()

• substr()：start 和 stop 的長度必須為 1

• substring()

• sum()

• tan()

• tolower()

• toupper()

• trunc()

• |

bit64

• as.integer64()

• is.integer64()

dplyr

• across()

• between()

• case_when()：不支援 .ptype 和 .size 參數

• coalesce()

• desc()

• if_all()

• if_any()

• if_else()

• n()

• n_distinct()

lubridate

• am()

• as_date()

• as_datetime()

• ceiling_date()

• date()

• date_decimal()

• day()

• ddays()

• decimal_date()

• dhours()

• dmicroseconds()

• dmilliseconds()

• dminutes()

• dmonths()

• dmy()：不支援 locale 參數

• dmy_h()：不支援 locale 參數

• dmy_hm()：不支援 locale 參數

• dmy_hms()：不支援 locale 參數

• dnanoseconds()

• dpicoseconds()：不支援

• dseconds()

• dst()

• dweeks()

• dyears()

• dym()：不支援 locale 參數

• epiweek()

• epiyear()

• fast_strptime()：不支援 lt 和 cutoff_2000 的非預設值

• floor_date()

• force_tz()：不支援從非 UTC 時區轉換時區；對於不存在的時間，支援 'error' 和 'boundary' 的 roll_dst 值，對於不明確的時間，支援 'error'、'pre' 和 'post' 的 roll_dst 值。

• format_ISO8601()

• hour()

• is.Date()

• is.POSIXct()

• is.instant()

• is.timepoint()

• isoweek()

• isoyear()

• leap_year()

• make_date()

• make_datetime()：僅支援 UTC (預設) 時區

• make_difftime()：僅支援 units = "secs" (預設值)；不支援同時提供 num 和 ...

• mday()

• mdy()：不支援 locale 參數

• mdy_h()：不支援 locale 參數

• mdy_hm()：不支援 locale 參數

• mdy_hms()：不支援 locale 參數

• minute()

• month()

• my()：不支援 locale 參數

• myd()：不支援 locale 參數

• parse_date_time()：不支援 quiet = FALSE。可用格式為 H、I、j、M、S、U、w、W、y、Y、R、T。在 Linux 和 OS X 上，還可以使用 a、A、b、B、Om、p、r。

• pm()

• qday()

• quarter()

• round_date()

• second()

• semester()

• tz()

• wday()

• week()

• with_tz()

• yday()

• ydm()：不支援 locale 參數

• ydm_h()：不支援 locale 參數

• ydm_hm()：不支援 locale 參數

• ydm_hms()：不支援 locale 參數

• year()

• ym()：不支援 locale 參數

• ymd()：不支援 locale 參數

• ymd_h()：不支援 locale 參數

• ymd_hm()：不支援 locale 參數

• ymd_hms()：不支援 locale 參數

• yq()：不支援 locale 參數

methods

• is()

rlang

• is_character()

• is_double()

• is_integer()

• is_list()

• is_logical()

stats

• median()：計算近似中位數 (t-digest)

• quantile()：probs 的長度必須為 1；計算近似分位數 (t-digest)

• sd()

• var()

stringi

• stri_reverse()

stringr

任何函數都不支援模式修飾符 coll() 和 boundary()。

• str_c()：尚不支援 collapse 參數

• str_count()：pattern 必須是長度為 1 的字元向量

• str_detect()

• str_dup()

• str_ends()

• str_length()

• str_like()

• str_pad()

• str_remove()

• str_remove_all()

• str_replace()

• str_replace_all()

• str_split()：不支援不區分大小寫的字串分割和分割成 0 部分

• str_starts()

• str_sub()：start 和 end 的長度必須為 1

• str_to_lower()

• str_to_title()

• str_to_upper()

• str_trim()

tibble

• tibble()

tidyselect

• all_of()

• contains()

• ends_with()

• everything()

• last_col()

• matches()

• num_range()

• one_of()

• starts_with()