SQLAlchemy ORM을 Panda DataFrame으로 변환

SQLAlchemy ORM을 Panda DataFrame으로 변환

SQL을 ?<Query object>판다 데이터 프레임에?

판다는 사용할 수 있는 능력이 있습니다.pandas.read_sql그러나 이를 위해서는 원시 SQL을 사용해야 합니다.저는 그것을 피하고 싶은 두 가지 이유가 있습니다.

1. 저는 이미 ORM을 사용하는 모든 것을 가지고 있습니다(그 자체로 충분한 이유).
2. 쿼리의 일부로 파이썬 목록을 사용하고 있습니다. 예:

db.session.query(Item).filter(Item.symbol.in_(add_symbols)Item저의 모델 수업이고add_symbols는 목록입니다.은 SQL의 SQL에 합니다.SELECT ... from ... WHERE ... IN.

가능한 일이 있습니까?

대부분의 경우 다음과 같이 작동합니다.

df = pd.read_sql(query.statement, query.session.bind)

매개 변수에 대한 자세한 내용은 설명서를 참조하십시오.

초보 판다 프로그래머들을 위해 이것을 좀 더 분명히 하기 위해, 여기 구체적인 예가 있습니다.

pd.read_sql(session.query(Complaint).filter(Complaint.id == 2).statement,session.bind) 

여기에서는 불만 표(Sqlalchemy 모델은 불만 사항)에서 ID가 = 2인 불만 사항을 선택합니다.

완전성을 위해:Pandas-함수 대신 Pandas-DataFrame-함수를 사용하여 다음을 변환할 수도 있습니다.structured or record ndarray to DataFrame.
예를 들어 SQLLchemy에서 쿼리를 이미 실행하고 결과를 이미 사용할 수 있는 경우에 유용합니다.

import pandas as pd 
from sqlalchemy import Column, Integer, String, create_engine
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import scoped_session, sessionmaker


SQLALCHEMY_DATABASE_URI = 'postgresql://postgres:postgres@localhost:5432/my_database'
engine = create_engine(SQLALCHEMY_DATABASE_URI, pool_pre_ping=True, echo=False)
db = scoped_session(sessionmaker(autocommit=False, autoflush=False, bind=engine))
Base = declarative_base(bind=engine)


class Currency(Base):
    """The `Currency`-table"""
    __tablename__ = "currency"
    __table_args__ = {"schema": "data"}

    id = Column(Integer, primary_key=True, nullable=False)
    name = Column(String(64), nullable=False)


# Defining the SQLAlchemy-query
currency_query = db.query(Currency).with_entities(Currency.id, Currency.name)

# Getting all the entries via SQLAlchemy
currencies = currency_query.all()

# We provide also the (alternate) column names and set the index here,
# renaming the column `id` to `currency__id`
df_from_records = pd.DataFrame.from_records(currencies
    , index='currency__id'
    , columns=['currency__id', 'name'])
print(df_from_records.head(5))

# Or getting the entries via Pandas instead of SQLAlchemy using the
# aforementioned function `read_sql_query()`. We can set the index-columns here as well
df_from_query = pd.read_sql_query(currency_query.statement, db.bind, index_col='id')
# Renaming the index-column(s) from `id` to `currency__id` needs another statement
df_from_query.index.rename(name='currency__id', inplace=True)
print(df_from_query.head(5))

계속 오류가 발생하여 선택한 솔루션이 작동하지 않았습니다.

특성 오류: '주석 있음Select' 개체에 'lower' 특성이 없습니다.

다음과 같은 것들이 효과가 있었습니다.

df = pd.read_sql_query(query.statement, engine)

매개 변수 및 방언 관련 인수를 사용하여 쿼리를 컴파일하려면 다음과 같은 방법을 사용합니다.

c = query.statement.compile(query.session.bind)
df = pandas.read_sql(c.string, query.session.bind, params=c.params)

from sqlalchemy import Column, Integer, String, create_engine
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker

engine = create_engine('postgresql://postgres:postgres@localhost:5432/DB', echo=False)
Base = declarative_base(bind=engine)
Session = sessionmaker(bind=engine)
session = Session()

conn = session.bind

class DailyTrendsTable(Base):

    __tablename__ = 'trends'
    __table_args__ = ({"schema": 'mf_analysis'})

    company_code = Column(DOUBLE_PRECISION, primary_key=True)
    rt_bullish_trending = Column(Integer)
    rt_bearish_trending = Column(Integer)
    rt_bullish_non_trending = Column(Integer)
    rt_bearish_non_trending = Column(Integer)
    gen_date = Column(Date, primary_key=True)

df_query = select([DailyTrendsTable])

df_data = pd.read_sql(rt_daily_query, con = conn)

2.0 SQLalchemy 가능) 1.4에서도 할 수 있습니다.future=True는 것으로 .pd.read_sql아직 구현되지 않았으며 다음과 같은 문제가 발생합니다.

NotImplementedError: This method is not implemented for SQLAlchemy 2.0.

이것은 판다 2.0까지 해결되지 않을 미해결 문제입니다. 여기와 여기에서 이에 대한 몇 가지 정보를 찾을 수 있습니다.

만족할 만한 해결 방법을 찾지 못했지만, 일부 사람들은 엔진의 두 가지 구성을 사용하는 것 같습니다. 하나는 future false 플래그가 있는 것입니다.

engine2 = create_engine(URL_string, echo=False, future=False)

문자열을 쿼리하면 이 솔루션은 괜찮지만 ORM을 사용하면 아직 최적화되지 않은 사용자 지정 함수를 사용할 수 있는 최선의 방법은 다음과 같습니다.

Conditions = session.query(ExampleTable)
def df_from_sql(query):
    return pd.DataFrame([i.__dict__ for i in query]).drop(columns='_sa_instance_state')
df = df_from_sql(ExampleTable)

이 솔루션은 pd.read_sql이 새 구문을 구현할 때까지 임시 솔루션입니다.

ORM을 사용하는 경우 다음과 같이 간단합니다.

pd.DataFrame([r._asdict() for r in query.all()])

의 좋은 pd.read_sqlSQL 및 세션을 비즈니스 로직 코드에 노출하지 않으려는 경우.

https://stackoverflow.com/a/52208023/1635525 에서 찾을 수 있습니다.

를 사용한 간단한 예Result.keys()열 이름을 가져오는 방법입니다.

import sqlalchemy as sa
import pandas as pd

engine = sa.create_engine(...)
with engine.connect() as conn:
   result = conn.execute("SELECT * FROM foo;")
   df = pd.DataFrame(result.all(), columns=result.keys())

https://docs.sqlalchemy.org/en/20/core/connections.html#sqlalchemy.engine.Result.keys

이 답변은 SQL Alchemy를 사용하여 재현 가능한 예제를 제공합니다.select진술 및 판다 데이터 프레임을 반환합니다.데이터베이스 엔진을 설치하지 않고도 누구나 복제할 수 있도록 인메모리 SQLite 데이터베이스를 기반으로 합니다.

import pandas
from sqlalchemy import create_engine
from sqlalchemy import MetaData, Table, Column, Text
from sqlalchemy.orm import Session

테이블 메타데이터 정의 및 테이블 만들기

engine = create_engine('sqlite://')
meta = MetaData()
meta.bind = engine
user_table = Table('user', meta,
                   Column("name", Text),
                   Column("full_name", Text))
user_table.create()

데이터를 에 삽입합니다.user테이블

stmt = user_table.insert().values(name='Bob', full_name='Sponge Bob')
with Session(engine) as session:
    result = session.execute(stmt)
    session.commit()

선택한 문장의 결과를 판다 데이터 프레임으로 읽어 들입니다.

# Select data into a pandas data frame
stmt = user_table.select().where(user_table.c.name == 'Bob')
df = pandas.read_sql_query(stmt, engine)
df
Out:
  name   full_name
0  Bob  Sponge Bob

SQL 쿼리를 사용하는 경우

def generate_df_from_sqlquery(query):
   from pandas import DataFrame
   query = db.session.execute(query)
   df = DataFrame(query.fetchall())
   if len(df) > 0:
      df.columns = query.keys()
   else:
      columns = query.keys()
      df = pd.DataFrame(columns=columns)
return df

profile_df = generate_df_from_sqlquery(profile_query) 

다음을 사용하여 답변에 추가read_sql@van과 마찬가지로, 내 쿼리가 조인과 관련되었을 때, sqlalchemy는 예를 들어 조인 테이블과 기본 테이블이 모두 id 열을 가질 경우 id_1, id_2와 같은 조인 테이블의 별칭 열을 암시적으로 추가하는 것처럼 보였습니다..all()을 사용하면 결과를 반환하기 전에 이러한 암시적 열이 제거되지만read_sql이 열을 포함합니다.

그 경우에 대한 해결책은 제가 선택한 항목에 명시적으로 설명하는 것이었습니다.그래서 교체했습니다.

query = session.query(model)

와 함께

query = session.query(model.col_1, model.col_2)

또는 모두 선택할 수 있습니다.

query = session.query(*model.__table__.columns.values())

그리고나서

df = pd.read_sql(query.statement, query.session.bind)

스칼케미 필터링 후 데이터를 이미 수신한 경우 이를 수행하는 또 다른 방법이 여기에 표시됩니다. 다음과 같이 대답한 후 다음 기능을 사용하십시오.

from collections import defaultdict
from sqlalchemy import inspect
import pandas as pd
def query_to_dict(rest):
    result = defaultdict(list)
    for obj in rest:
        instance = inspect(obj)
        for key, x in instance.attrs.items():
            result[key].append(x.value)
    return result
# Getting all the entries via SQLAlchemy
currencies = currency_query.all()
df = pd.DataFrame(query_to_dict(rset))

2023년에 제게 도움이 되었습니다. 먼저 엔진과 세션을 생성하고 쿼리 문자열을 SQL 연금술 텍스트로 변환합니다.

from sqlalchemy import text

    engine = create_engine(path, echo=True)

    Session = sessionmaker(bind=engine)
    session = Session()

    # generates suitble text for SQLalchemy
    sql = text(query_string)

    session.execute(sql)

    df = pd.read_sql_query(sql=sql, con=engine.connect())

팬더를 PD로 수입합니다.

users = Users.query.all 명령

df = pd.데이터 프레임(사용자)

인쇄(df)

언급URL : https://stackoverflow.com/questions/29525808/sqlalchemy-orm-conversion-to-pandas-dataframe