편집
1,408
번
바뀜
잔글2번째 줄:
2번째 줄: − = mysql =+ − mariasql도 동일하다. − + − 이 방법은 굉장히 간단하다. 다만, 프라이머리키가 중복된 데이터가 있는 경우엔 적용할 수가 없다.(이런 경우엔 겹치는 데이터를 제거해준 후 넣어야 한다.)+ + + + + + + + + + 12번째 줄:
20번째 줄: − + − + + + + + + + + − + − + − |from sqlalchemy import create_engine+ − |-+ − |엔진 연결+ − |DB를 만든 후에 DB와 연결할 수 있다.+ + + − engine = create_engine("mysql+pymysql://{user}:{pw}@localhost/{db}"+ − .format(user="root", # sql 계정 입력.+ − pw="0000", # sql 비밀번호 입력.+ − db="dbname")) # 연결할 db이름 입력.+ + + − + − + − + + + − 옵션은 아래에서 설명한다.+ − |<syntaxhighlight lang="python">+ − data.to_sql('테이블명', con = engine, if_exists = 'append', chunksize = 1000)+ − </syntaxhighlight>+ + + + + + + − |옵션값 − | colspan="2" | − {| class="wikitable" − !인자 − !설명 − |- − |if_exists − {| class="wikitable"+ − !옵션+ − !설명 − |- − |appends − |기존에 데이터가 들어가 있으면 덧붙인다. − |- − |replace − |기존의 데이터를 대체한다.(테이블 단위로 덮어씌워, 기존 데이터는 사라진다.) − |- − |fail − − |- − |chunksize − |한 번에 몇 개의 데이터를 처리할지. − |} − |} − − ==== 관련에러 ==== − sqlalchemy.exc.OperationalError: (pymysql.err.OperationalError) (1045, "Access denied for user '.....'@'localhost' (using password: YES)") − 위 형태의 에러는... 99% 확률로 DB에 대한 정보를 잘못 입력했기 때문에 나오는 에러이다.+ + − === 단순 입력 ===+ 76번째 줄:
79번째 줄: − + − + − + − |-+ − |모듈 임포트+ − |+ − |import pymysql+ + − + − + − |DB = pymysql.connect(host='localhost', port=3306, db='db이름', user="root", passwd='비밀번호', charset='utf8') − |- − |커서생성 − |sql을 순회하는 커서 생성 − |cur = self.coinDB.cursor() − |- − |함수제작 − |함수로 만들어 처리하면 편할 듯하다. − DB 객체와 테이블명을 넣어 작동한다. − def df_to_db(df, db, table):+ − '''df를 받아 db에 저장하는 것.'''+ − cur = db.cursor() # 커서를 만든다.+ − cols = "`,`".join([str(i) for i in df.columns.tolist()]) # df의 칼럼을 추출한다. − for i, row in df.iterrows(): # 하나씩 입력한다. − try: − sql = "INSERT INTO `{table}` (`{cols}`) VALUES (".format(table=table, cols=cols) + "%s," * ( − len(row) - 1) + "%s)" # 마지막엔 쉼표 없이. − cur.execute(sql, tuple(row)) − # the connection is not autocommitted by default, so we must commit to save our changes − db.commit() − except Exception as e: − # print(e) − pass − + + + + + + + + + + + + + + + + +
→mysql
데이터프레임을 사용했다면 그냥 여기에서 멈추는 것이 아니라, 다른 형태로 저장해두어야 추후에 불러와 사용할 수 있다.
데이터프레임을 사용했다면 그냥 여기에서 멈추는 것이 아니라, 다른 형태로 저장해두어야 추후에 불러와 사용할 수 있다.
표형 데이터는 판다스로 쉽게 가져올 수 있다.
=== sqlalchemy 사용 ===
page = requests.get(url)
tables = pd.read_html(page.text)
== 엑셀, CSV ==
데이터프레임을 엑셀로 저장하거나, 엑셀파일을 데이터프레임으로 불러오거나.
2차원 데이터를 다루는 가장 쉬운 방법은 엑셀을 이용하는 것. 저장하고 시각화 하는 데 엑셀을 이용한다면 굉장히 편리할 것이다.
=== 사전준비 ===
엑셀 관련기능을 사용하려면 관련 라이브러리를 설치해야 한다.
{| class="wikitable"
{| class="wikitable"
!과정
!과정
!방법
!방법
|-
|-
|라이브러리 설치
|openpyxl
|
|
|pip install sqlalchemy
|pip install openpyxl
|}
=== 사용 ===
{| class="wikitable"
!과정
!설명
!방법
|-
|-
|모듈 임포트
|파일 저장하기
|
|openpyxl 따위의'''<nowiki/>''' '''<nowiki/>'''라이브러리 설치가 선'''<nowiki/>'''행되'''<nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/>'''어야 한다.
아래 두 방법으로 df를 엑셀에 저장한다.
객체.to_excel('''<nowiki/>'<nowiki/>'''c:\\경로.xlsx'''<nowiki/>'''')
객체.to_csv('''<nowiki/>'<nowiki/>'''c:\\경로.csv'''<nowiki/>'''')
|<syntaxhighlight lang="python">
|<syntaxhighlight lang="python">
import os # 저장경로를 지정하기 위함.
wd = os.getcwd() # 현재 디랙터리.
file_dir = '{}\\경로명\\'.format(wd) # 저장할 경로 지정.
file_name = '파일이름' # 저장할 이름 지정.
df.to_excel(file_dir + file_name) # 파일저장.
</syntaxhighlight>
</syntaxhighlight>
|-
|-
|sql로 전환
|파일 불러오기
|이미 만들어진 테이블에 dataframe을 넣는다.
|openpyxl 따위의 라이브러리 설치가 '''<nowiki/>'''선'''<nowiki/>'''행되어야 한다.
(역시, 테이블은 미리 준비되어야 한다.)
아래 두 방법으로 불러온다.
객체 = p'''<nowiki/>'''a'''<nowiki/>'''ndas.read_e'''<nowiki/>'''xc'''<nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/>'''el('''<nowiki/>'<nowiki/>'''c:\\경로.xlsx'''<nowiki/>'''')'''<nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/>'''
객체 = pandas.read_csv('''<nowiki/>''''c:\\경로.csv')
보통 첫번째 시트만 df로 만든다.
|저장했던 엑셀파일을 불러오면 저장한 df 그대로 사용되는 게 아니라, 엑셀의 제한된 기능에 따라 변형되기 때문에 칼럼을 다시 만져주어야 제대로 사용할 수 있다. 기본적으로 맨 윗줄을 칼럼 처리한다.(상관없으면 그냥 쓰고;)
때문에 df['열이름'] = pd.to_numeric(df['열이름']) 형태로 데이터형을 다시 통일, 설정해주어야 한다.
인덱스 지정은 따로 하지 않는다. 'index_col=숫자' 옵션으로 인덱스를 지정할 수도 있다.
Sheet_name='시트명' 옵션으로 해당 시트를 열 수도 있다.
|-
|-
|
|
|
|
|테이블 안에 데이터가 있으면 아무것도 하지 않음.
|}
|}
= Json =
데이터프레임을 Json으로 바꾸거나 Json을 데이터프레임으로.
범용적으로 쓰이는 데이터 전달 포멧. 장고 등 서비스에서 스프레드시트를 파일로 저장하는 것도 좋지만, json화 하여 저장하는 것도 방법이 될 수 있다.
{| class="wikitable"
{| class="wikitable"
!과정
!과정
!방법
!방법
|-
|-
|라이브러리 설치
|Json으로 변환
|
|데이터프레임을 json으로.
|pip install pymysql
|<syntaxhighlight lang="python">
import pandas as pd
df = pd.read_excel(uploadedFile) # 어떤 방식으로든 df를 만들고..
json_text = df.to_json()
</syntaxhighlight>
|-
|-
|DB연결
|Json을 dataframe으로
|
|단순히 읽으면 된다.
|<syntaxhighlight lang="python">
|<syntaxhighlight lang="python">
import pandas as pd
df = pd.read_json('test.json')
</syntaxhighlight>
</syntaxhighlight>
|}
|}
[[분류:Pandas:DataFrame]]
= HTML =
웹문서에서 읽어온 데이터를 바로 dataframe화 하는 경우도 필요하다.
{| class="wikitable"
! 의도
!방법
!설명
|-
|데이터 불러오기
|객체 = pandas.read_html('''h<nowiki/>t<nowiki/>ml 문서''')'''<nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/><nowiki/>'''
|'''<nowiki/>'''html 문서의 데이터타입은 str이어야 한다. requests 등으로 웹문서를 불러와 변환해 넣으면 된다.'''<nowiki/><nowiki/><nowiki/>'''
|}표형 데이터는 쉽게 가져올 수 있다.<syntaxhighlight lang="python">
page = requests.get(url)
tables = pd.read_html(page.text)
</syntaxhighlight> [굳이 .text 속성에 접근해야 하네;;? 그냥 객체와 text속성은 어떻게 다른지 보자.]
여러 테이블이 있는 경우, 데이터프레임이 들어있는 리스트로 반환된다.