使用 COPY FROM 从 CSV 导入数据时转换列
Posted
技术标签:
【中文标题】使用 COPY FROM 从 CSV 导入数据时转换列【英文标题】:Casting column when using COPY FROM to import data from CSV 【发布时间】:2020-04-24 00:32:44 【问题描述】:使用 PostgreSQL 12,我尝试从 CSV 导入数据,格式如下:
country,state,county,lat,lng,type,measure,beds,population,year,source,source_url
US,AK,ketchikan gateway,63.588753,-154.493062,ICU,1000HAB,3.928701,13745,2018,arcgis,https://services1.arcgis.com/Hp6G80Pky0om7QvQ/arcgis/rest/services/Hospitals_1/FeatureServer/0
US,AK,kodiak island,63.588753,-154.493062,ACUTE,1000HAB,,n,2018,arcgis,https://services1.arcgis.com/Hp6G80Pky0om7QvQ/arcgis/rest/services/Hospitals_1/FeatureServer/0
请注意,第二行的“人口”字段有一个 n
而不是空的。我的目标是导入 CSV,以便“人口”列是 BIGINT,并且“n”被替换为 NULL。我目前的解决方案是:
CREATE TABLE temp_table
(
country CHAR(2),
state CHAR(2),
county VARCHAR(255),
lat DOUBLE PRECISION,
lng DOUBLE PRECISION,
type VARCHAR(11),
measure VARCHAR(255),
beds DOUBLE PRECISION,
pop VARCHAR(255),
year SMALLINT,
source VARCHAR(255),
source_url VARCHAR(255)
);
COPY temp_table
FROM 'C:\\Users\\mconr\\Downloads\\global-hospital-beds-capacity-for-covid19\\hospital_beds_USA_v1.CSV'
WITH (DELIMITER ',', FORMAT CSV, HEADER TRUE);
SELECT country, state, county, lat, lng, type, measure, beds, CAST (NULLIF (pop, 'n') AS BIGINT) AS population, year, source, source_url
INTO USA
FROM temp_table;
DROP TABLE temp_table;
我目前的解决方案是创建一个临时表,其中“population”为 VARCHAR(255),导入数据,从 SELECT 语句创建一个新表,将“n”替换为 NULL,并将列转换为 BIGINT,然后删除临时表。但是,这似乎有点低效,因为我正在创建和删除一个中间表。有谁知道这样做的更好方法吗?
【问题讨论】:
【参考方案1】:您可以将 NULL 参数设置为“n”,但这会破坏其他情况,其中空字段以通常的方式(由未引用的空字符串)表示,而不是由“n”表示。 COPY 不允许您为每列设置 NULL。
您当前的方法对我来说似乎很好,这将是我的首选(除了修复可能超出您控制范围的此文件的生成器)。您还可以使用 Perl 或 awk 或 sed 编写一些内容,将文件作为流编辑以将“,n”转换为“,”,并使用 PROGRAM 功能将其连接到 COPY,但这似乎很繁琐且错误很容易,我怀疑效率提升会那么大。
这是一种过早的优化,是最邪恶的根源。这真的是一个有意义的问题吗?
【讨论】:
我同意你的所有观点。我将保持我的解决方案原样。正如你所说,我可以更改生成器,但数据来自 Kaggle,所以这是不可能的。我可以编写一个脚本(如在 Python 中),在导入数据库之前对文件进行预处理,但这会引发您在我看来提出的问题。我是 SQL 新手,只想写出最好的代码,所以我只是想看看是否有更好的解决方案。非常感谢您的意见!以上是关于使用 COPY FROM 从 CSV 导入数据时转换列的主要内容,如果未能解决你的问题,请参考以下文章
COPY FROM .csv 文件到远程 PostgreSQL 数据库(在 Linux 服务器上运行)
COPY FROM CSV 上的 Cassandra CQLSH TEXT 字段限制(字段大于字段限制 (131072))