我正在尝试更改数据库中的表。但是我发现使用 Pandas 提供的 to_sql 方法很困难。我的 price_data
数据框看起来像这样:
初始数据框(作为数据库中的行):
用于更改数据的代码:
with con:
price_data.to_sql(con=con, name='clean_prices2', if_exists='append', index=False, flavor='mysql')
这里的最终目标是修改初始数据帧(将零值转换为 Nan 值,然后对它们进行插值),并将其保存回数据库中。结果应如下所示(除非具有相同的 id
):
所需输出:
如果您专门查看 close_price
列,您可以看到 0 值被分配为 90.7350
我当前的解决方案是附加数据行,这会导致重复的输入,如下所示:
实际输出:
最后,我必须执行另一个查询来删除重复的行(基于price_date)
我知道我可以将 if_exists
参数更改为replace,但这会删除数据库表的其余部分。基本上我想在不同的 symbol_id
's
是否有办法修改子集(在本例中,仅 3 行)而不删除表中的其余数据?该解决方案可以修改现有行(保持相同的id
)或删除旧行,并创建不带零的新行。我只是想在没有额外删除重复查询的情况下完成此任务。
最佳答案
考虑一个具有精确结构的临时表作为最终表,但定期替换,然后将用于更新现有的最终表。尝试使用sqlalchemy engine对于这两项操作。
具体来说,对于后一个 SQL,您将使用 UPDATE JOIN临时表和最终表之间的查询。下面假设您使用 pymysql 模块(根据需要调整):
import pymysql
from sqlalchemy import create_engine
...
engine = create_engine("mysql+pymysql://user:password@hostname:port/database")
# PANDAS UPLOAD
price_data.to_sql(name='clean_prices_temp', con=engine, if_exists='replace', index=False)
# SQL UPDATE (USING TRANSACTION)
with engine.begin() as conn:
conn.execute("UPDATE clean_prices_final f" +
" INNER JOIN clean_prices_temp t" +
" ON f.symbol_id = t.symbol_id" +
" AND f.price_date = t.price_date" +
" SET f.open_price = t.open_price," +
" f.high_price = t.high_price," +
" f.low_price = t.low_price," +
" f.close_price = t.close_price," +
" f.adj_close_price = t.adj_close_price;")
engine.dispose()
关于python - 需要使用 Pandas Dataframe 编辑 MySQL 表中的行子集,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39549887/