Я сталкивался с этой проблемой слишком много раз, чтобы не попытаться написать свой собственный обходной путь. Лично я столкнулся с той же проблемой с Microsoft SQL Server, но решил, что это же решение будет работать и для SQLite. Я работаю с:

• База данных: Microsoft SQL Server, размещенный в Azure.
• R: 3.5.0
• ДБИ: 1.0.0
• одбк: 1.1.6
• ОС: Убунту 18.04

Подход:

Я хотел избежать зацикливания строк ради эффективности. Я обнаружил, что mapply и paste0 можно комбинировать в более ориентированной на столбцы манере.

Я признаю, что это немного хакерски, но это хорошо работает для меня. Используйте на свой страх и риск; Я использую это только для небольшого побочного проекта, а не для корпоративного решения. В любом случае эффективность не должна быть такой большой проблемой, поскольку существует ограничение в 1000 строк в любом случае.

Замена для sqlAppendTable:

db_sql_append_table <- function(p_df, p_tbl) {
    # p_df: data.frame that contains the data to append/insert into the table
    # the names must be the same as those in the database
    # p_tbl: the name of the database table to insert/append into
    
    num_rows <- nrow(p_df)
    num_cols <- ncol(p_df)
    requires_quotes <- sapply(p_df, class) %in% c("character", "factor", "Date")
    commas <- rep(", ", num_rows)
    quotes <- rep("'", num_rows)
    
    str_columns <- ' ('
    column_names <- names(p_df)
    
    for(i in 1:num_cols) {
        if(i < num_cols) {
            str_columns <- paste0(str_columns, column_names[i], ", ")
        } else {
            str_columns <- paste0(str_columns, column_names[i], ") ")
        }
    }
    
    str_query <- paste0("INSERT INTO ", p_tbl, str_columns, "\nVALUES\n")   
    str_values <- rep("(", num_rows)
    
    for(i in 1:num_cols) {
        
        # not the last column; follow up with a comma
        if(i < num_cols) {
            if(requires_quotes[i]) {
                str_values <- mapply(paste0, str_values, quotes, p_df[[column_names[i]]], quotes, commas)        
            } else {
                str_values <- mapply(paste0, str_values, p_df[[column_names[i]]], commas)
            }
            
        # this is the last column; follow up with closing parenthesis
        } else {
            if(requires_quotes[i]) {
                str_values <- mapply(paste0, str_values, quotes, p_df[[column_names[i]]], quotes, ")")
            } else {
                str_values <- mapply(paste0, str_values, p_df[[column_names[i]]], ")")
            }
        }
    }
    
    # build out the query; collapse values with comma & newline; end with semicolon;
    str_values <- paste0(str_values, collapse=",\n")
    str_query <- paste0(str_query, str_values)
    str_query <- paste0(str_query, ";")
    return(str_query)
}

Вызов функции:

Я хотел, чтобы это было максимально похоже на исходную функцию sqlAppendTable. Эта функция только создает запрос.

Вам все еще нужно обернуть эту функцию вызовом dbExecute(), чтобы фактически вставлять/добавлять строки в базу данных.

dbExecute(conn=conn, statement = db_sql_append_table(my_dataframe, "table_name"))

РЕДАКТИРОВАТЬ

• Добавлена ​​дата как один из типов, которые также должны быть заключены в кавычки этой функцией. Спасибо за этот комментарий!

Это похоже на недостаток пакета RSQLite; значения должны быть указаны в кавычках. Обратите внимание, что кавычки добавлены в следующем примере:

DBI::sqlAppendTable(DBI::ANSI(), table = "test", data.frame(a = 1, b = "2"))
#> <SQL> INSERT INTO "test"
#>   ("a", "b")
#> VALUES
#>   (1, '2')

См. также соответствующую ошибку GitHub.

Я смог собрать обходной путь:

1) Запишите фрейм данных, который вы хотите добавить в качестве временной таблицы (temp) в файл базы данных SQLite.

2) Добавьте его в целевую таблицу (цель) с помощью инструкции SQLite:

insert into target select * from temp;

3) Падение температуры.

Это работает довольно быстро, по-видимому, благодаря хорошей оптимизации SQLite.

ДОПОЛНЕНИЕ:

Вы действительно можете добавить фрейм данных в таблицу базы данных, используя dbWriteTable с параметром append=TRUE. Я протестировал это на моем обходном пути, описанном выше, и, что удивительно, обходной путь работает почти на 40% быстрее, чем dbWriteTable.