1、进入R语言的GUI界面（RGUI.EXE)，在菜单栏选择“程序包/安装程序包”（如图）
2、在弹出的窗口里往下拉，选择RODBC如图，点击确定
3、在ODBC数据源管理器里将需要的数据库添加进去，这里笔者使用的是SQL Server2008，驱动程序选择Native Client10.0
3、在R语言窗口输入连接语句
>library(RODBC)
**这里是载入RODBC库
>channel<-odbcConnect("MyTest",uid="ripley",case="tolower")
**连接刚才添加进数据源的“MyTest”数据库
**ch <- odbcConnect("some dsn ", uid = "user ", pwd = "**** ")
**表示用户名为user，密码是****，如果没有设置，可以直接忽略
>data(USArrests)
**将“USArrests”表写进数据库里（这个表是R自带的）
>sqlSave(channel,USArrests,rownames = "state",addPK = TRUE)
**将数据流保存，这时候打开SQL Server就可以看到新建的USArrests表了
>rm(USArrests)
>sqlTables(channel)
**给出数据库中的表
>sqlFetch(channel,"USArrests",rownames = "state")
**输出USArrests表中的内容
>sqlQuery(channel,"select * from USArrests")
**调用SELECT查询语句并返回结果（如图）
>sqlDrop(channel,"USArrests")
**删除表
>odbcClose(channel)
**最后要记得关闭连接
R语言中的dplyr包非常神奇，里面包含很多的函数，今天我们就来介绍下窗口函数的应用。窗口函数应用
mtcars %>% group_by(cyl) %>% mutate(rank= min_rank(desc(mpg)))
mtcars %>% group_by(cyl) %>% mutate(mpg_max = max(mpg))
原来的明细还保留，同时每个分组的统计值算出来了，是不是很方便
1.2 批量操作
同时若你嫌麻烦一个个地对变量进行操作，还可以使用mutate_each函数对数据框中的变量批量操作，通过调整funs（即functions）和vars（variables）参数控制functions的数量，以及参与变形的variables，这里控制variables的技巧与select函数相似。
#对每个变量进行排名
mtcars%>%mutate_each(funs(dense_rank))
mpg cyl disp hp drat wt qsec vs am gear carb
1 16 2 13 11 16 9 6 1 2 24
2 16 2 13 11 16 12 10 1 224
3 19 16 615 7 22 2 221
4 17 2 16 115 1624 2 111
5 13 3 23 156 18 10 1 112
#对disp的变量进行排名
mtcars%>%mutate_each(funs(dense_rank,min_rank),disp)
mpg cyl disp hp dratwt qsec vs am gear carb dense_rank min_rank
1 21.0 6 160.0 110 3.90 2.620 16.46 0 144 13 13
2 21.0 6 160.0 110 3.90 2.875 17.02 0 144 13 13
3 22.8 4 108.0 93 3.85 2.320 18.61 1 141 6 6
4 21.4 6 258.0 110 3.08 3.215 19.44 1 031 16 18
5 18.7 8 360.0 175 3.15 3.440 17.02 0 032 23 27
6 18.1 6 225.0 105 2.76 3.460 20.22 1 031 15 17
7 14.3 8 360.0 245 3.21 3.570 15.84 0 034 2327
#对除了disp的变量进行排名
mtcars%>%mutate_each(funs(dense_rank,min_rank),-disp)
2、transmute
返回值中不包含原数据集变量，只保留计算转换后的变量。
mtcars%>%mutate(wt_log=log(wt))
mtcars%>%transmute(wt_log=log(wt))
mtcars %>%mutate(displ_l = disp / 61.0237)
mtcars %>%transmute(displ_l = disp / 61.0237)
