pandas

最新推荐文章于 2025-08-11 22:22:04 发布

weixin_30488313

最新推荐文章于 2025-08-11 22:22:04 发布

阅读量119

点赞数

CC 4.0 BY-SA版权

文章标签： python 数据库

原文链接：http://www.cnblogs.com/yjybupt/p/10521169.html

本文介绍了使用Python的Pandas库处理数据的具体方法，包括定义衣服尺寸的映射关系、DataFrame数据操作及列名设置。同时，展示了如何利用SQL进行数据筛选及排名，以及通过pymssql和SQLAlchemy连接SQL Server数据库，读取和写入数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

if __name__ == "__main__":
#定义衣服尺寸的映射关系
size_mapping = {"S":1,"M":2,"X":3,"XL":4}
#定义一个DataFrame数据
data = pd.DataFrame([
["green","S",100],
["blue", "M", 110],
["red", "X", 120],
["black", "XL", 130]
])
#设置列名
data.columns = ["color","size","price"]
#对size列的类别数据进行映射
data["size"] = data["size"].map(size_mapping)

===================================================

SELECT * FROM (
  SELECT name
  , ROW_NUMBER() OVER (PARTITION BY userid ORDER BY quantity) AS rn
  FROM (select * from sales_month_user
  limit 100) tmp1
) tmp

Bo  17:24:01

SELECT * FROM (
  SELECT
     userid,
     industry,
     name,
     ROW_NUMBER() OVER (PARTITION BY userid ORDER BY quantity DESC) AS rn
  FROM from sales_month_user
) tmp
WHERE rn < 10;

这个可能可以用来给推荐商品排名

1 import pymssql
2 
3 conn = pymssql.connect(host=host, port=port ,user=username, password=password, database=database)
4 df = pd.read_sql("select * from table_name",con=conn)
5 conn.close()

from sqlalchemy import create_engine
engine = create_engine('mssql+pyodbc://scott:tiger@mydsn')
df.to_sql('test', engine)

#python 使用pandas写入sql server只能使用

from sqlalchemy import create_engine

engine = create_engine('mssql+pymssql://aiuser:Zhzj36ai!@crm.db.pospal.cn:14314/BigData?charset=utf8')
df = pd.read_csv('viptype_description.csv', encoding='utf8')

df.to_sql(name="viptype_module", con=engine, if_exists='append', index=False)

并且，df的列名，要和表的列名一致
而且数据类型、长度也要一致
一般来说，在数据库里建好表，然后进行append，如果直接replace的话，数据类型可能无法指定

转载于:https://www.cnblogs.com/yjybupt/p/10521169.html