Basado en su otra publicación sobre este problema, se resolvió una solución a la cuestión de cómo estructurar la consulta SQL:

SAS: uniones aproximadas

 select a.*, b.* from table_a a inner join table_b b on (a.date_1 between b.date_2 and b.date_3) and (le_dst(a.id1, b.id1) = 1 or a.id2 = b.id2)

Para que esto se ejecute en un script R, recomendaría usar dbplyr y crearlo usando tbl para que pueda continuar con la manipulación básica como si fuera un data.frame y dbplyr lo traducirá a SQL (al menos comandos básicos) , luego combine todo en una consulta y, finalmente, extraiga los datos de la consulta con la función collect() .

Editar: solo una nota, el comando tbl comenzará a crear una declaración SQL y obtendrá los nombres de las columnas, pero no lo ejecutará para extraer datos hasta que ingrese collect() , momento en el que R enviará la consulta al servidor, el El servidor ejecutará la consulta y enviará los datos.

Solo tenga esto en cuenta porque si dbplyr no puede traducir algo a SQL, asumirá que es un comando SQL e intentará enviarlo, por lo que no sabrá que hay un error hasta que intente recopilar. Por ejemplo, una función del paquete stringr , str_dectect , no está implementada en dbplyr , por lo que dbplyr enviaría ese comando a la base de datos, lo que arrojaría un error porque no sabe qué es, pero solo después de ejecutar collect() . Consulte la página de dbplyr vinculada anteriormente para obtener más detalles.

 library(dbplyr) new_con<- dbConnect( odbc(), Driver= "ODBC Driver 17 for SQL Server (as an example)", Server = "Server name here", uid = "some_id", pwd = "abc" ) sample_query<- dbplyr::tbl( new_con, dbplyr::sql( "select a.*, b.* from table_a a inner join table_b b on (a.date_1 between b.date_2 and b.date_3)" sample_data<-sample_query %>% filter(silly_example==TRUE) %>% collect()

Estoy de acuerdo con el enfoque de @ Roger-123. Pero aquí hay una variación que podría ayudar:

Suponiendo que está utilizando conexiones remotas para acceder a la base de datos de Netezza, podría hacerlo utilizando dbplyr de la siguiente manera:

 remote_1 = tbl(con, "table_1_name") remote_2 = tbl(con, "table_2_name") # create dummy column remote_1 = mutate(remote_1, ones = 1) remote_2 = mutate(remote_2, ones = 1) output = remote_1 %>% # cross_join inner_join(remote_2, by = "ones", prefix = c("_1","_2")) %>% # calculate Levenshtein distance mutate(distance = le_dst(id1, id2)) %>% # filter to close matches filter(distance <= 2)

Notas:

• dbplyr no permite condiciones complejas en sus uniones. Por lo tanto, hacemos la combinación más general posible y luego filtramos.
• Si también desea uniones por fecha, puede colocarlas en inner_join si las condiciones son simples, o crear otra condición de filtro si son complejas.
• le_dst no es una función de R y no hay una traducción de dbplyr para ella, por lo que dbplyr la pasará al servidor tal como está.
• Netezza acepta dos funciones de distancia para texto: le_dst y dle_dst . Puedes usar lo que quieras aquí.
• Output es una consulta, actuará como una tabla pero se genera/calcula sobre la marcha. No se ha escrito en el disco ni se ha cargado en la memoria R. Dependiendo de su aplicación, querrá almacenar/guardar esto.