Python / SQL: sostituire le stringhe vuote di un DataFrame con un valore "Null" per inserire i dati in un database

Question

Diciamo che ho questo dataframe:

REFERENCE = ["GZF882348G", "SFGUZBJLNJU", "FTLNGZ242112", "DFBHGVGHG543"]
IBAN = ["FR7343563", "FR4832545", "FR9858331", "FR2001045"]
DEBIT = [26, '', 856, '']
CREDIT = ['', 324, '', 876]
MONTANT = [641, 33, '', 968]

df = pd.DataFrame({'Référence' : REFERENCE, 'IBAN' : IBAN, 'Débit' : DEBIT, 'Crédit' : CREDIT, 'Montant' : MONTANT})

Ho un problema di formattazione per inserire questo tipo di dati nel mio database. Le colonne "Débit", "Crédit", "Montant" sono definite per ottenere float come dati. Tuttavia i dati di queste colonne non sono solo numeri interi, ho anche stringhe vuote e questo è il mio problema. So che devo scrivere una condizione che sostituisca una stringa vuota con un valore "Null" nel formato SQL, tuttavia non so come farlo in Python o in SQL. Sto scoprendo / imparando l'ambiente SQL.

Ecco il mio codice:

import pandas as pd
import pyodbc 

server = '...'
database = '...'
username = '...' 
password = '...'
driver = '...'

connection = pyodbc.connect('DRIVER='+driver+';SERVER='+server+';PORT=1433;DATABASE='+database+';UID='+username+';PWD='+password)
cursor = connection.cursor()

for i, row in df.iterrows():


    sql_exe = "INSERT INTO dbo.tbl_data_xml (Réference,IBAN,Débit,Crédit,Montant) VALUES (?,?,?,?,?)"
    cursor.execute(sql_exe, tuple(row))
    
    connection.commit()

Qualcuno può aiutarmi per favore.

Grazie

Answer 1

Sembra che tu stia mescolando i tipi nel frame di dati di Panda dove la stringa,, ''è combinata con il numero intero nella stessa colonna come evidenziato da tutti i objecttipi. Nei database relazionali non è possibile combinare tipi di dati. E la conversione ''in stringa 'NULL'non risolverà il tuo problema. In SQL,NULL <> 'NULL'

df.dtypes

# Référence    object
# IBAN         object
# Débit        object
# Crédit       object
# Montant      object
# dtype: object

Pertanto, converti le colonne in numerico con pd.to_numericdove stringa vuota,, ''converte in NaNcui questa entità dovrebbe tradurre NULLnell'entità SQL .

df[['Débit', 'Crédit', 'Montant']] = df[['Débit', 'Crédit', 'Montant']].apply(pd.to_numeric)

df.dtypes
# Référence     object
# IBAN          object
# Débit        float64
# Crédit       float64
# Montant      float64
# dtype: object

df
#       Référence       IBAN  Débit  Crédit  Montant
# 0    GZF882348G  FR7343563   26.0     NaN    641.0
# 1   SFGUZBJLNJU  FR4832545    NaN   324.0     33.0
# 2  FTLNGZ242112  FR9858331  856.0     NaN      NaN
# 3  DFBHGVGHG543  FR2001045    NaN   876.0    968.0

Quindi esegui la tua query. In effetti, evita il forciclo più lento con iterrowse considera df.to_numpy+ cursor.executemany.

# PREPARED STATEMENT
sql_exe = "INSERT INTO dbo.tbl_data_xml (Réference,IBAN,Débit,Crédit,Montant) VALUES (?,?,?,?,?)"

# CONVERT DATA TO LIST OF NUMPY ARRAYS
sql_data = df.where(pd.notnull(df), None).to_numpy().replace(.tolist()

# EXECUTE ACTION QUERY
cursor.executemany(sql_exe, sql_data)
connection.commit()

Answer 2

Puoi usare Pandas.DataFrame.to_sqlcome

df.to_sql('dbo.tbl_data_xml', con=connection, if_exists='append', index=False )

dove appendopzione sta per inserire nuovi valori nella tabella, se la versione panda è 0.15+

Answer 3

Potresti fare:

df.loc[df['Débit'].eq(''), 'Débit'] = 'NULL'
df.loc[df['Crédit'].eq(''), 'Crédit'] = 'NULL'
df.loc[df['Montant'].eq(''), 'Montant'] = 'NULL'

print(df)

Produzione

      Référence       IBAN Débit Crédit Montant
0    GZF882348G  FR7343563    26   NULL     641
1   SFGUZBJLNJU  FR4832545  NULL    324      33
2  FTLNGZ242112  FR9858331   856   NULL    NULL
3  DFBHGVGHG543  FR2001045  NULL    876     968

O semplicemente,

df[df[['Débit', 'Crédit', 'Montant']].eq('')] = "NULL"
print(df)

Produzione

      Référence       IBAN Débit Crédit Montant
0    GZF882348G  FR7343563    26   NULL     641
1   SFGUZBJLNJU  FR4832545  NULL    324      33
2  FTLNGZ242112  FR9858331   856   NULL    NULL
3  DFBHGVGHG543  FR2001045  NULL    876     968

Answer 4

Converti numericnelle rispettive colonne efillna(NULL)

df[['Débit', 'Crédit', 'Montant']]=df.iloc[:,2:].apply(lambda x: pd.to_numeric(x).fillna('NULL'))



     Référence       IBAN Débit Crédit Montant
0    GZF882348G  FR7343563    26   NULL     641
1   SFGUZBJLNJU  FR4832545  NULL    324      33
2  FTLNGZ242112  FR9858331   856   NULL    NULL
3  DFBHGVGHG543  FR2001045  NULL    876     968