Python dask.dataframe.read_sql_table用法及代碼示例

用法:
dask.dataframe.read_sql_table(table_name, con, index_col, divisions=None, npartitions=None, limits=None, columns=None, bytes_per_chunk='256 MiB', head_rows=5, schema=None, meta=None, engine_kwargs=None, **kwargs)

將 SQL 數據庫表讀入 DataFrame。

如果既沒有給出divisions 也沒有給出npartitions，則將確定前幾行的內存占用，並且將使用大小為~256MB 的分區。

參數：

table_name：str: 數據庫中 SQL 表的名稱。
con：str: 數據庫連接的完整 sqlalchemy URI
index_col：str: 成為索引並定義分區的列。應該是 SQL 服務器中的索引列，並且是任何可排序的類型。如果類型是數字或時間，則可以從 npartitions 或 bytes_per_chunk 推斷分區邊界；否則必須提供明確的 divisions 。
columns：str 或 SqlAlchemy 列的序列或無: 選擇哪些列；如果沒有，得到所有。注意可以是 str 和 SqlAlchemy 列的混合
schema：str 或 None: 將此傳遞給 sqlalchemy 以選擇要在 URI 連接中使用的 DB 模式
divisions: sequence：: 要拆分表的索引列的值。如果給定，這將覆蓋 npartitions 和 bytes_per_chunk 。分區是用於定義分區的索引列的值邊界。例如，divisions=list('acegikmoqsuwz') 可用於將字符串列按字典順序劃分為 12 個分區，隱含假設每個分區包含相似數量的記錄。
npartitions：int: 分區數，如果沒有給出divisions。將在 limits (如果給定)或列 max/min 之間線性拆分索引列的值。索引列必須是數字或時間才能起作用
limits: 2-tuple or None：: 手動給出與 npartitions 一起使用的值的上限和下限；如果沒有，首先從數據庫中獲取最大值/最小值。上限(如果給出)包括在內。
bytes_per_chunk：str 或 int: 如果 divisions 和 npartitions 都是 None，這是每個分區的目標大小，以字節為單位
head_rows：int: 為推斷數據類型和每行內存要加載多少行
meta：空 DataFrame 或 None: 如果提供，不要嘗試推斷 dtypes，而是使用這些，在加載時強製所有塊
engine_kwargs：dict 或 None: sqlalchemy 的特定數據庫引擎參數
kwargs：dict: 傳遞給pd.read_sql()的附加參數

dask.dataframe

例子：

>>> df = dd.read_sql_table('accounts', 'sqlite:///path/to/bank.db',
...                  npartitions=10, index_col='id')

相關用法

注：本文由純淨天空篩選整理自dask.org大神的英文原創作品 dask.dataframe.read_sql_table。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：