Imports: dbplyr v2.3.1

[TuQmano]

Este flujo permite vincular todas las tablas (desde PROV hasta PERSONA) a partir de indices para generar consultas a nivel más desagregado. Si la versión de dbplyr es menor a 2.3.1 (la generación de queries SQL produce errores en una cadena larga al referencia las tablas).

Refernecia de issue tidyverse/dbplyr#1101

tbl(censo_conectar(), "PROV") %>%
+    inner_join(tbl(censo_conectar(), "DPTO"), by = "PROV_REF_ID" ) %>%
+    inner_join(tbl(censo_conectar(), "FRAC"), by = "DPTO_REF_ID" )%>%
+    inner_join(tbl(censo_conectar(), "RADIO"), by = "FRAC_REF_ID" )%>%
+    inner_join(tbl(censo_conectar(), "VIVIENDA"), by = "RADIO_REF_ID" ) %>%
+    inner_join(tbl(censo_conectar(), "HOGAR"), by = "VIVIENDA_REF_ID" )%>%
+    inner_join(tbl(censo_conectar(), "PERSONA"), by = "HOGAR_REF_ID" )

Actualizando a versión 2.3.1 la consulta resulta exitosa:

# Source:   SQL [?? x 61]
# Database: DuckDB 0.6.2-dev1166 [jruiznicolini@Windows 10 x64:R 4.1.2/C:/Users/jruiznicolini/AppData/Roaming/R/data/R/censAr/censAr_duckdb_v062.sql]
   PROV_R~1 CPV20~2 IDPROV PROV  NOMPROV DPTO_~3 IDDPTO DPTO  NOMDPTO FRAC_~4 IDFRAC RADIO~5 IDRADIO VIVIE~6 TIPVV   V01
      <int>   <int>  <int> <chr> <chr>     <int> <chr>  <chr> <chr>     <int> <chr>    <int> <chr>     <int> <int> <int>
 1        1       1      2 2     Ciudad~       4 004    2004  Comuna~      88 07         857 06       364909     1     4
 2        1       1      2 2     Ciudad~       4 004    2004  Comuna~      88 07         857 06       364910     1     1
 3        1       1      2 2     Ciudad~       4 004    2004  Comuna~      88 07         857 06       364910     1     1
 4        1       1      2 2     Ciudad~       4 004    2004  Comuna~      88 07         857 06       364910     1     1
 5        1       1      2 2     Ciudad~       4 004    2004  Comuna~      88 07         857 06       364910     1     1
 6        1       1      2 2     Ciudad~       4 004    2004  Comuna~      88 07         857 06       364910     1     1
 7        1       1      2 2     Ciudad~       4 004    2004  Comuna~      88 07         857 06       364913     1     1
 8        1       1      2 2     Ciudad~       4 004    2004  Comuna~      88 07         857 06       364913     1     1
 9        1       1      2 2     Ciudad~       4 004    2004  Comuna~      88 07         857 06       364913     1     1
10        1       1      2 2     Ciudad~       4 004    2004  Comuna~      88 07         857 06       364913     1     1
# ... with more rows, 45 more variables: V02 <int>, V00 <int>, URP <int>, INCALSERV <int>, INMAT <int>, MUNI <int>,
#   local <int>, INCALCONS <int>, TOTHOG <dbl>, HOGAR_REF_ID <int>, NHOG <int>, H05 <int>, H06 <int>, H07 <int>,
#   H08 <int>, H09 <int>, H10 <int>, H11 <int>, H12 <int>, H13 <int>, H14 <int>, H15 <int>, H16 <int>, H19A <int>,
#   H19B <int>, H19C <int>, H19D <int>, PROP <int>, INDHAC <int>, TOTPERS <int>, ALGUNBI <int>, PERSONA_REF_ID <int>,
#   personan <int>, P01 <int>, P02 <int>, P03 <int>, P05 <int>, P07 <int>, P12 <int>, EDADAGRU <int>, EDADQUI <int>,
#   P08 <int>, P09 <int>, P10 <int>, CONDACT <int>, and abbreviated variable names 1: PROV_REF_ID, 2: CPV2010_REF_ID,
#   3: DPTO_REF_ID, 4: FRAC_REF_ID, 5: RADIO_REF_ID, 6: VIVIENDA_REF_ID
# i Use `print(n = ...)` to see more rows, and `colnames()` to see all variable names