pandas.read_sql_query() 如何查询 TEMP 表?

Posted

技术标签:

【中文标题】pandas.read_sql_query() 如何查询 TEMP 表?【英文标题】:How can pandas.read_sql_query() query a TEMP table? 【发布时间】:2014-12-04 20:49:04 【问题描述】:

我正在将 Python 代码转换为新的基于 SQLAlchemy 的 Pandas 0.14.1。

我们使用的一个常见模式是(通常):

connection = db.connect()  # open connection/session

sql = 'CREATE TEMP TABLE table1 AS SELECT ...'
connection.execute(sql)

... other sql that creates TEMP tables from various joins of previous TEMP tables ...

sql = 'CREATE TEMP TABLE tableN AS SELECT ...'
connection.execute(sql)

result = connection.query('SELECT * FROM tableN WHERE ...')

connection.close()

现在,一旦连接关闭,数据库服务器就会清除 TEMP 表。但是,由于最终选择查询使用相同的连接/会话,它可以访问表。

如何使用 SQLAlchemy 和 pd.read_sql_query() 实现类似的效果?

例如:

engine = sqlalchemy.create_engine('netezza://@mydsn')
connection = engine.connect()

sql = 'CREATE TEMP TABLE tmptable AS SELECT ...'
connection.execute(sql)

result = pd.read_sql_query('SELECT * FROM tmptable WHERE ...', engine)

产生一个数据库错误,即 TEMP 表 tmptable 不存在。大概这是因为将引擎传递给 read_sql_query() 需要它打开一个具有独立会话范围的新连接,因此看不到 TEMP 表。这是一个合理的假设吗?

有没有办法解决这个问题? (不支持将连接传递给 read_sql_query())

(我知道我可以将 SQL 连接成一个字符串,用 ; 分隔语句,但这是对实际情况的简化,即 TEMP 表是由多个调用其他嵌套 3-4 深的函数创建的. 所以,要实现这一点,需要实现一个层,而不是在发出它之前跨多个调用合并 SQL,如果有更好的方法,我宁愿避免实现)

使用 - 熊猫:0.14.1 sqlalchemy:0.9.7 pyodbc:3.0.6 Win7 x86_64 Canopy Python 发行版 (Python 2.7.6) 来自 https://github.com/deontologician/netezza_sqlalchemy 的 Josh Kuhn 的 Netezza SQLAlchemy 方言

【问题讨论】:

您能为此打开一个 github 问题作为增强请求吗?见github.com/pydata/pandas/issues 进一步了解github.com/pydata/pandas/issues/8533 嗨,DavidJ,根据接受的答案,您知道何时关闭连接并因此删除临时表吗?就像,如果我想在多个 pd.read_sql() 查询中使用该临时表,我该怎么办?谢谢! 【参考方案1】:

您使用的是 Python 和 Netezza,我使用的是 R 和 SQL Server,所以这可能会有所不同。在我的脚本中,我遇到了类似的问题。允许在数据库上运行外部代码的 T-SQL 中的 sp_execute_external_script 仅允许 select 语句。这对我来说很麻烦,因为我想运行一个存储过程来创建一个临时表以供选择。或者,我可以使用公用表表达式、联合等。这可能值得进一步研究。

【讨论】:

【参考方案2】:

我了解这个问题,但创建常规表格不起作用吗?您可以在会话结束时提出一个约定,例如 CREATE TABLE TEMP_t1' etc., andDROP`。

【讨论】:

【参考方案3】:

您现在可以将可连接的 SQLAlchemy 传递给 pandas.read_sql。来自docs:

pandas.read_sql(sql, con, index_col=None, coerce_float=True, params=None, parse_dates=None, columns=None, chunksize=None)

...

con : SQLAlchemy 可连接(引擎/连接)或数据库字符串 URI

或 DBAPI2 连接(回退模式)

使用 SQLAlchemy 可以使用该库支持的任何数据库。如果是 DBAPI2 对象,则仅支持 sqlite3。

所以,这应该可行:

engine = sqlalchemy.create_engine('netezza://@mydsn')
connection = engine.connect()

sql = 'CREATE TEMP TABLE tmptable AS SELECT ...'
connection.execute(sql)

result = pd.read_sql('SELECT * FROM tmptable WHERE ...', con=connection)

【讨论】:

【参考方案4】:

正如@ssharma 所说,您现在可以将可连接的 SQLAlchemy 传递给 pandas.read_sql。 如果您使用会话创建者创建会话,则需要连接对象。

要读取未提交的更改,您必须使用相同的连接,如下所示:

engine = sqlalchemy.create_engine('netezza://@mydsn')
session = sessionmaker(bind=self.engine)()

sql = 'CREATE TEMP TABLE tmptable AS SELECT ...'
session.execute(sql)

result = pd.read_sql('SELECT * FROM tmptable WHERE ...', con=session.connection())

【讨论】:

【参考方案5】:

您只需在查询的开头添加“SET NOCOUNT ON”,这样 pandas read_sql 就会将所有内容作为一个语句读取。

sSQL = '''SET NOCOUNT ON
CREATE TABLE ...... '''

【讨论】:

Carlos,我一直使用它来处理 MS SQL Server 上的复杂多语句查询。感谢您指出如此简单但有效的设置。

以上是关于pandas.read_sql_query() 如何查询 TEMP 表?的主要内容,如果未能解决你的问题,请参考以下文章

相当于 numpy 数组的 pandas read_sql_query?

调整pandas read_sql_query NULL 值处理?

将列表绑定到 Pandas read_sql_query 中的参数与其他参数

带有提交的 Airflow + pandas read_sql_query()

抓取两个日期时间之间的行并避免迭代

读取mysql数据库