PostgreSQLで統計解析 PL/R 基礎編 : PostgreSQL Advent Calendar #6

PostgreSQL Advent Calendar 12/6 です。

ネタを決めるにあたり、analyticsをテーマに何かないものかと探してみたら、
PL/R(R手続き型言語)なるものがあるそうで。

Rは統計解析分野で人気のプログラミング言語。
オープンソースで、コミュニティの活動も活発なようです。
参考：R Advent Calendar 2011 : ATND

では、PL/Rを導入して、ちょこっと触ってみます。


Install
今回構築した環境は下記。
・Mac OS X 10.6 Snow Leopard
・gcc 4.2.1
・postgresql 9.0.4
・R 2.14.0
・plr-8.3.0.13

Windows,Linuxへのインストールは下記をご参考
R と PostgreSQL - RjpWiki

まずRをインストール。
(macのhomebrewを使用)

brew install r
Error: This formula requires a fortran compiler

失敗。fortranコンパイラをインストールして再チャレンジ。

brew install gfortran
brew install r

OK。インストール時に一般的なインストール先に
リンクさせた方がいいよとメッセージが出るので、

sudo ln -s "/usr/local/Cellar/r/2.14.0/R.framework" /Library/Frameworks

これでRのインストールは完了。
なお、パッケージインストールも可能。
参考：R for Mac OS X

次にPL/Rをインストール。
ソースは→ http://joeconway.com/plr/ から入手。

su - postgres
cd /path-to-postgres_source/contrib #ここにPL/Rのソースを配置
tar zxf plr-8.3.0.13.tar.gz
cd plr
export R_HOME=/Library/Frameworks/R.framework/Resources
make
make install

PL/Rのインストール完了。テスト用のDBを作成して言語を登録。

createdb r_test
cd /path-to-pgsql/contrib
psql r_test < plr.sql
psql -c "SELECT * FROM pg_language WHERE lanName = 'plr'" r_test #確認

これで導入完了。


Try working

PL/Rのドキュメントにある集約関数をテストしてみます。
(中央値を返す集約関数medianを作成)

create or replace function r_median(_float8) returns float as '
  median(arg1)
' language 'plr';
CREATE AGGREGATE median (
  sfunc = plr_array_accum,
  basetype = float8,
  stype = _float8,
  finalfunc = r_median
);

SELECT median(v)
FROM (values(1.0),(2.5),(5.7),(3.4),(-0.9)) AS t(v);
-- => select 2.5

集約関数はfloat8を配列に集約して最後にr_median(_float8)を呼び出し、
Rの関数medianを計算しています。

ポイントはデータ型の違い。
R言語はベクトル処理言語であり、データはベクトルで持ちます。
例えば、上記のmedianの計算は、Rでは下記のように行います。

x <- c(1.0, 2.5, 5.7, 3.4, -0.9) #ベクトルを作成してxに代入
median(x) # => [1] 2.5

postgresからRへの引数の受け渡しについては、
・スカラ　⇒　単一要素のベクトル（例外あり）
・ 一次元配列　⇒　複数要素のベクトル
・二次元配列　⇒　行列
・三次元配列　⇒　三次元配列
・三次元以上の配列　⇒　サポートせず
・ 複合型　⇒　データフレーム
となります。
参考：Passing Data Values

では最後に、統計解析の基礎として相関係数を計算する関数を作成してみます。
参考：R-Source

CREATE OR REPLACE FUNCTION correlation(_float8, _float8) RETURNS float8 AS '
 cor(arg1, arg2)
' LANGUAGE 'plr';

列xと列yの相関係数を計算する場合は下記で。

SELECT correlation(array_agg(x),array_agg(y))
FROM (values(0.7,1.9),(-1.6,0.8),(-0.2,1.1),(-1.2,0.1),(-0.1,-0.1)
　　　　　　,(3.4,4.4),(3.7,5.5),(0.8,1.6),(0.0,4.6),(2.0,3.4)) AS t(x,y);
-- => select 0.795102...

以上、簡単にさわってみました。
それほど敷居は高くないように感じますが、どういう用途に使ったものか．．．


Be continued
応用編に続く　．．．のか？


Next
明日はs87さんです。よろしくお願いします。