在数据生产利用部门，取数剖析是一个很常见的需要，实际上业务人员需要时刻变动，最高效的形式是让业务部门本人来取，缩小不必要的重复劳动，个别状况下，业务部门数据库表构造个别是固定的，依据理论业务将取数需要做成sql 脚本，疾速实现数据获取---授人以渔的形式，提供平台或工具
那如何实现一个自助取数查问工具？
基于底层数据来开发不难，无非是将用户输出变量作为筛选条件，将参数映射到 sql 语句，并生成一个 sql 语句而后再去数据库执行
最初再利用 QT 开发一个 GUI 界面，用户界面的点击和筛选条件，信号触发对应按钮与绑定的传参槽函数执行
具体思路：
一、数据库连贯类
此处利用 pandas 读写操作 oracle 数据库
二、主函数模块
1）输出参数模块，内部输出条件参数，建设数据库关键字段映射
--注：读取内部 txt 文件，将筛选字段可能须要进行键值对转换
2）sql 语句汇合模块，将待执行的业务 sql 语句对立寄存到这里
3）数据处理函数工厂
4）应用多线程提取数据
一、数据库连贯类
cx_Oracle 是一个 Python 扩大模块，相当于 python 的 Oracle 数据库的驱动，通过应用所有数据库拜访模块通用的数据库 API 来实现 Oracle 数据库的查问和更新
Pandas 是基于 NumPy 开发，为了解决数据分析工作的模块，Pandas 引入了大量库和一些规范的数据模型，提供了高效地操作大型数据集所需的办法类和函数
pandas 调用数据库次要有 read_sql_table，read_sql_query，read_sql 三种形式
本文次要介绍一下 Pandas 中 read_sql_query 办法的应用
1：pd.read_sql_query()读取自定义数据，返还DataFrame格局，通过SQL查问脚本包含增删改查。pd.read_sql_query(sql, con, index_col=None,coerce_float=True, params=None, parse_dates=None,chunksize=None)sql：要执行的sql脚本，文本类型con：数据库连贯index_col:抉择返回后果集索引的列,文本/文本列表coerce_float:十分有用，将数字模式的字符串间接以float型读入parse_dates:将某一列日期型字符串转换为datetime型数据，与pd.to_datetime函数性能相似。params:向sql脚本中传入的参数，官网类型有列表，元组和字典。用于传递参数的语法是数据库驱动程序相干的。chunksize：如果提供了一个整数值，那么就会返回一个generator，每次输入的行数就是提供的值的大小read_sql_query（）中能够承受SQL语句，DELETE,INSERT INTO、UPDATE操作没有返回值（然而会在数据库中执行），程序会抛出SourceCodeCloseError，并终止程序。SELECT会返回后果。如果想持续运行，能够try捕获此异样。 2：pd.read_sql_table()读取数据库中的表，返还DataFrame格局（通过表名）import pandas as pdpd.read_sql_table(table_name, con, schema=None,index_col=None, coerce_float=True, parse_dates=None, columns=None,chunksize=None) 3:pd.read_sql()读数据库通过SQL脚本或者表名import pandas as pdpd.read_sql(sql, con, index_col=None,coerce_float=True, params=None, parse_dates=None, columns=None, chunksize=None)以下创立连贯 oracel 数据库的连贯类 Oracle_DB
次要提供 2 种操作数据的函数办法。
import cx_Oracle# Pandas读写操作Oracle数据库import pandas as pd# 防止编码问题带来的乱码import osos.environ['NLS_LANG'] = 'SIMPLIFIED CHINESE_CHINA.UTF8'class Oracle_DB(object): def __init__(self): try: # 连贯oracle # 办法1：sqlalchemy 提供的create_engine() # from sqlalchemy import create_engine # engine = create_engine('oracle+cx_oracle://username:password@ip:1521/ORCL') # #办法2：cx_Oracle.connect() self.engine = cx_Oracle.connect('username', 'password', 'ip:1521/database') except cx_Oracle.Error as e: print("Error %d：%s" % (e.args[0], e.args[1])) exit() # 查问局部信息 def search_one(self, sql,sparm): try: # #查问获取数据用sql语句 # 代传参数：sparm--查问指定字段参数 df = pd.read_sql_query(sql, self.engine,params=sparm) self.engine.close() except Exception as e: return "Error " + e.args[0] return df # 查问全副信息 def search_all(self, sql): try: # #查问获取数据用sql语句 df = pd.read_sql_query(sql, self.engine) self.engine.close() except Exception as e: return "Error " + e.args[0] return df二、数据提取主函数模块
cx_Oracle 是一个 Python 扩大模块，相当于 python 的 Oracle 数据库的驱动，通过应用所有数据库拜访模块通用的数据库 API 来实现 Oracle 数据库的查问和更新。
1）内部输出参数模块
txt 文本中，就蕴含一列数据，第一行列名，读取的时候疏忽第一行
#建设ID——编号字典def buildid(): sqlid = """select * from b_build_info""" db = Oracle_DB() # 实例化一个对象 b_build_info = db.search_all(sqlid) ID_bUILDCODE = b_build_info.set_index("BUILDCODE")["ID"].to_dict() return ID_bUILDCODE #通过文本传入待导出数据清单def read_task_list(): build_code=buildid() tasklist=[] is_first_line=True with open("./b_lst.txt") as lst: for line in lst: if is_first_line: is_first_line=False continue tasklist.append(build_code.get(line.strip('\n'))) #键值对转换 return tasklist2）业务 sql 语句汇合
留神in前面{0}不要加引号，这里传入为元组，params 参数传入sparm
= {'Start_time':'2021-04-01','End_time':'2021-05-01'}，此处参数可依据须要扭转
def sql_d(lst): # 逐月数据 sql_d_energy_item_month = """select * from d_energy_item_month where recorddate >= to_date(:Start_time, 'yyyy-MM-dd') and recorddate < to_date(:End_time, 'yyyy-MM-dd') and buildid in {0} order by recorddate asc""".format(lst) # 逐月数据 sql_d_energy_month = """select d.*,t.name from d_energy_month d join t_device_info t on d.branchid = t.id where d.recorddate >= to_date(:Start_time, 'yyyy-MM-dd') and d.recorddate < to_date(:End_time, 'yyyy-MM-dd') and d.buildid = '{0}' order by d.recorddate asc""".format(lst) # 查问当日数据 sql_energy_item_hour_cheak = """select * from d_energy_item_hour where trunc(sysdate)=trunc(recorddate) order by recorddate asc""".format(lst) sql_collection = [sql_d_energy_item_month, sql_d_energy_item_day, sql_d_energy_item_hour, sql_d_energy_month, sql_d_energy_day, sql_d_energy_hour, sql_energy_hour_cheak] #此处省略局部sql语句 return sql_collection3）业务数据处理
业务数据处理流程，原始数据后处理，这里不作介绍：
def db_extranction(lst,sparm,sql_type): """sql_type--输出须要操作的sql业务序号""" sql_=sql_d(lst)[sql_type] #输入sql语句 db = Oracle_DB() # 实例化一个对象 res=db.search_one(sql_,sparm) # 数据处理加工 RES=Data_item_factory(res) #此处省略 # res = db.search_all(sql_d_energy_item_month) print(RES) return RES多线程提取数据局部，这里 tasklist 列表多线程提取数据
import threading# Pandas读写操作Oracle数据库from tools.Data_Update_oracle import Oracle_DBimport pandas as pdfrom concurrent import futures if __name__ == '__main__': #内部传入 tasklist= read_task_list() print(tasklist) # 输出工夫查找范畴参数，可手动批改 sparm = {'Start_time':'2021-04-01','End_time':'2021-05-01'} lst = tuple(list(tasklist)) #业务类型序号，可手动批改 sql_type=0 #全副提取 db_extranction(lst,sparm,sql_type) #多线程按字段分批提取 办法一：应用threading模块的Thread类的结构器创立线程 #threads=[threading.Thread(target=db_extranction,args=(lst,sparm,sql_type)) for lst in tasklist] # [threads[i].start() for i in range(len(threads))] 办法二：应用python的concurrent库，这是官网基于 threading 封装，先装置该库 # with futures.ThreadPoolExecutor(len(tasklist)) as executor: # executor.map([db_extranction(lst,sparm,sql_type) for lst in tasklist],tasklist) 到此整个数据库取数工具开发流程介绍结束，就差最初一步分享给小伙伴应用了，做成 GUI 利用此处不做具体介绍，构建独立的 python 环境，疾速公布你的利用
最近整顿了几百 G 的 Python 学习材料，蕴含新手入门电子书、教程、源码等等，收费分享给大家！想要的返回 “Python 编程学习圈”，发送 “J” 即可收费取得