Python - bancos de dados relacionais

Podemos nos conectar a bancos de dados relacionais para analisar dados usando o pandasbiblioteca, bem como outra biblioteca adicional para implementar conectividade de banco de dados. Este pacote é nomeado comosqlalchemy que fornece funcionalidade completa da linguagem SQL para ser usada em python.

Instalando SQLAlchemy

A instalação é muito direta usando o Anaconda, que discutimos no capítulo Ambiente de Ciência de Dados . Assumindo que você instalou o Anaconda conforme descrito neste capítulo, execute o seguinte comando na janela de prompt do Anaconda para instalar o pacote SQLAlchemy.

conda install sqlalchemy

Lendo tabelas relacionais

Usaremos o Sqlite3 como nosso banco de dados relacional, pois é muito leve e fácil de usar. Embora a biblioteca SQLAlchemy possa se conectar a uma variedade de fontes relacionais, incluindo MySql, Oracle e Postgresql e Mssql. Primeiro criamos um mecanismo de banco de dados e, em seguida, nos conectamos a ele usando oto_sql função da biblioteca SQLAlchemy.

No exemplo a seguir, criamos a tabela relacional usando o to_sqlfunção de um dataframe já criado lendo um arquivo csv. Então usamos oread_sql_query função do pandas para executar e capturar os resultados de várias consultas SQL.

from sqlalchemy import create_engine
import pandas as pd

data = pd.read_csv('/path/input.csv')

# Create the db engine
engine = create_engine('sqlite:///:memory:')

# Store the dataframe as a table
data.to_sql('data_table', engine)

# Query 1 on the relational table
res1 = pd.read_sql_query('SELECT * FROM data_table', engine)
print('Result 1')
print(res1)
print('')

# Query 2 on the relational table
res2 = pd.read_sql_query('SELECT dept,sum(salary) FROM data_table group by dept', engine)
print('Result 2')
print(res2)

Quando executamos o código acima, ele produz o seguinte resultado.

Result 1
   index  id    name  salary  start_date        dept
0      0   1    Rick  623.30  2012-01-01          IT
1      1   2     Dan  515.20  2013-09-23  Operations
2      2   3   Tusar  611.00  2014-11-15          IT
3      3   4    Ryan  729.00  2014-05-11          HR
4      4   5    Gary  843.25  2015-03-27     Finance
5      5   6   Rasmi  578.00  2013-05-21          IT
6      6   7  Pranab  632.80  2013-07-30  Operations
7      7   8    Guru  722.50  2014-06-17     Finance

Result 2
         dept  sum(salary)
0     Finance      1565.75
1          HR       729.00
2          IT      1812.30
3  Operations      1148.00

Inserindo Dados em Tabelas Relacionais

Também podemos inserir dados em tabelas relacionais usando a função sql.execute disponível no pandas. No código a seguir, nós o arquivo csv anterior como conjunto de dados de entrada, armazenamos em uma tabela relacional e então inserimos outro registro usando sql.execute.

from sqlalchemy import create_engine
from pandas.io import sql

import pandas as pd

data = pd.read_csv('C:/Users/Rasmi/Documents/pydatasci/input.csv')
engine = create_engine('sqlite:///:memory:')

# Store the Data in a relational table
data.to_sql('data_table', engine)

# Insert another row
sql.execute('INSERT INTO data_table VALUES(?,?,?,?,?,?)', engine, params=[('id',9,'Ruby',711.20,'2015-03-27','IT')])

# Read from the relational table
res = pd.read_sql_query('SELECT ID,Dept,Name,Salary,start_date FROM data_table', engine)
print(res)

Quando executamos o código acima, ele produz o seguinte resultado.

id        dept    name  salary  start_date
0   1          IT    Rick  623.30  2012-01-01
1   2  Operations     Dan  515.20  2013-09-23
2   3          IT   Tusar  611.00  2014-11-15
3   4          HR    Ryan  729.00  2014-05-11
4   5     Finance    Gary  843.25  2015-03-27
5   6          IT   Rasmi  578.00  2013-05-21
6   7  Operations  Pranab  632.80  2013-07-30
7   8     Finance    Guru  722.50  2014-06-17
8   9          IT    Ruby  711.20  2015-03-27

Exclusão de dados de tabelas relacionais

Também podemos deletar dados em tabelas relacionais usando a função sql.execute disponível no pandas. O código a seguir exclui uma linha com base na condição de entrada fornecida.

from sqlalchemy import create_engine
from pandas.io import sql

import pandas as pd

data = pd.read_csv('C:/Users/Rasmi/Documents/pydatasci/input.csv')
engine = create_engine('sqlite:///:memory:')
data.to_sql('data_table', engine)

sql.execute('Delete from data_table where name = (?) ', engine,  params=[('Gary')])

res = pd.read_sql_query('SELECT ID,Dept,Name,Salary,start_date FROM data_table', engine)
print(res)

Quando executamos o código acima, ele produz o seguinte resultado.

id        dept    name  salary  start_date
0   1          IT    Rick   623.3  2012-01-01
1   2  Operations     Dan   515.2  2013-09-23
2   3          IT   Tusar   611.0  2014-11-15
3   4          HR    Ryan   729.0  2014-05-11
4   6          IT   Rasmi   578.0  2013-05-21
5   7  Operations  Pranab   632.8  2013-07-30
6   8     Finance    Guru   722.5  2014-06-17