Contents · Introduction ∘ Install the Libraries ∘ Import the Libraries ∘ Credentials ∘ Define and execute a Cursor · Conclusion
Введение
Существует слишком много отличных интерпретаторов SQL, чтобы манипулировать базой данных с помощью написания сценариев, совсем недавно я обнаружил один, Dbeaver.
Dbeaver — очень полезный инструмент для доступа к различным базам данных, таким как AWS, IBM и многим другим.
Также он имеет довольно удобную структуру для написания ваших SQL-скриптов.
Написание кода Python в блокноте Jupyter всегда позволяет мне чувствовать себя комфортно.
Если вы, как и я, зависите от своих привычек, и даже если вы не будете так много использовать, попробуйте получить доступ к базе данных в знакомой среде, вы будете рады приветствовать это краткое руководство.
Для этого есть четыре этапа, и я объясню вам это только с помощью кодов.
Установите библиотеки
pip install redshift_connector pip install pandas pip install numpy
Импорт библиотек
import redshift_connector import pandas as pd import numpy
Реквизиты для входа
Введите свои учетные данные между кавычками.
conn = redshift_connector.connect( host='', port='', database='', user='', password='' )
Определить и выполнить курсор
Затем установите соединение с вашим курсором и выполните свои коды SQL.
cursor: redshift_connector.Cursor = conn.cursor() cursor.execute('your sql codes in here') result: pd.DataFrame = cursor.fetch_dataframe() print(result)
Кроме того, всегда есть более причудливый способ сделать это.
Это может быть и быстрее.
Повторив это действие несколько раз, вы можете написать свою собственную функцию, которая запросит у вас информацию и автоматически выполнит эти этапы за вас.
def sql_con(): print("host please") host = input() print("Please enter your port name") port= input() print("Please enter your database name") database = input() print("Please enter your username") user = input() print("Password please") passowrd = input() print("Please write your sql code") sqlcode = input() conn = redshift_connector.connect( host= host, port= port, database=database, user= user password= password ) cursor: redshift_connector.Cursor = conn.cursor() cursor.execute('sqlcode;') result: pd.DataFrame = cursor.fetch_dataframe() print(result)
Хорошие коды всегда раскрываются при необходимом вводе.
Также вы можете найти туториал в подробной версии здесь
Заключение
После преобразования ваших данных в фрейм данных настало время продемонстрировать свои навыки, используя pandas, NumPy или даже sci-kit-learn, если вы будете применять модель машинного обучения к этим данным.