Ubuntu

使用快捷键“CTRL+ALT+T” 打开终端

init_woody
#-------------------------------------------------
%sql select database()
#-------------------------------------------------
%sql use dadmrdal34
$----------------------------------------------------
%sql show tables
#----------------------------------------------------
# 加载 ipython-sql 扩展
%load_ext sql
#--------------------------------------------------------



# 定义 SQL 查询语句
query = "SELECT * FROM dadmrdal34.P_34TPUP_UCAP_TERM_JRN_INFOA LIMIT 5"

# 执行查询
result = %sql $query

# 处理查询结果
if result:
    print("查询到的前 5 条数据如下：")
    for row in result:
        print(row)
else:
    print("未查询到数据。")

init_woody

• 功能推测：init_woody 并非标准的 Python 或者 SQL 语句。从上下文来看，它极有可能是一个自定义的函数、脚本或者宏。一般而言，这种自定义的初始化操作会在使用数据库之前执行，其作用或许是对数据库连接的相关环境进行初始化，比如设置数据库连接的参数、加载必要的库或者配置文件等。
• 示例用途：假设 init_woody 是一个 Python 函数，它可能会设置数据库连接的环境变量，代码示例如下：

def init_woody():
    import os
    os.environ['DB_USER'] = 'your_username'
    os.environ['DB_PASSWORD'] = 'your_password'
    os.environ['DB_HOST'] = 'your_host'
    os.environ['DB_PORT'] = 'your_port'

init_woody()

%sql select database()

• %sql 魔法命令：这是 ipython - sql 扩展所提供的魔法命令，借助它能够在 Jupyter Notebook 的 Python 代码单元格里直接执行 SQL 语句。
• select database()：这是一条标准的 SQL 语句，其功能是返回当前所使用的数据库名称。在执行此语句之后，会显示当前连接的数据库名称。

%sql use dadmrdal34

• %sql 魔法命令：同样是 ipython - sql 扩展的魔法命令，用于执行 SQL 语句。
• use dadmrdal34：这是一条 SQL 语句，其作用是切换当前使用的数据库为 dadmrdal34。在执行该语句之后，后续的 SQL 操作就会在 dadmrdal34 这个数据库里进行。

%sql show tables

• %sql 魔法命令：依旧是 ipython - sql 扩展的魔法命令，用于执行 SQL 语句。
• show tables：这是一条 SQL 语句，其功能是显示当前数据库里的所有表名。在执行此语句之后，会列出 dadmrdal34 数据库中的所有表名。

总结

这一系列代码的主要目的是先进行数据库连接的初始化操作，接着查看当前使用的数据库名称，然后切换到 dadmrdal34 数据库，最后查看该数据库中的所有表名。

基于 ipython - sql 扩展结合 pandas 库，实现从 dadmrdal34.P_34TPUP_UCAP_TERM_JRN_INFOA 表中筛选出 TIME_START_TR 字段时间部分早于下午 2 点（即 14:00:00）且 COD_TR_BOEC_CLI 为 61606 的数量小于 1 的数据的代码，同时会以表格形式可视化展示结果。

# 定义 SQL 查询语句
sql_query = """
WITH filtered_data AS (
    SELECT *
    FROM P_34TPUP_UCAP_TERM_JRN_INFOA
    WHERE SUBSTR(TIME_START_TR, 12, 8) < '14:00:00'
      AND COD_TR_BOEC_CLI = 61606
)
SELECT *
FROM filtered_data
WHERE (SELECT COUNT(*) FROM filtered_data) < 1;
"""

# 执行 SQL 查询
result = %sql $sql_query

# 导入 pandas 库
import pandas as pd

# 将查询结果转换为 pandas DataFrame
df = result.DataFrame()

# 显示 DataFrame
if not df.empty:
    print("查询到的符合条件的数据如下：")
    display(df)
else:
    print("未查询到符合条件的数据。")