当Excel遇到大数据问题，是时候用Python来拯救了

与从事分析工作的当E大数人交谈，他们会告诉你他们对Excel的据问爱恨情仇：

Excel能做很多事情；当涉及到更大的数据集时，这简直是候用一种痛苦。数据需要很长时间才能加载，拯救在你意识到机器的当E大数内存耗尽之前，整个事情就变得无法管理了。据问更不用说Excel最多只能支持1,候用048,576行。

如果有一种简单的拯救方法，那就是当E大数将数据传输到SQL数据库中进行分析。这就是据问Python拯救世界的方式。

Python中的候用SQL

首先，让我们研究一下在Python中使用SQL时最流行的拯救选项:MySQL和SQLite。

MySQL有两个流行的当E大数库:PyMySQL和MySQLDb;而SQLite有SQLite3。

SQLite就是据问所谓的网站模板嵌入式数据库，这意味着它在我们的候用应用程序中运行，因此不需要先在某个地方安装它(不像MySQL)。

这是一个重要的区别;在我们寻求快速数据分析的过程中起着关键作用。因此，我们将继续学习如何使用SQLite。

在Python中设置SQLite

我们需要做的第一件事是导入库：

import sqlite3 

然后，我们需要确定是否要在任何地方保存这个数据库，还是在应用程序运行时将它保存在内存中。

如果决定通过导入任何数据来实际保存数据库，那么我们必须给数据库一个名称，例如 FinanceExplainedDb ，并使用以下命令：

dbname = FinanceExplainedDb conn = sqlite3.connect(dbname + .sqlite) 

另一方面，如果我们想把整个东西保存在内存中，并在完成后让它消失，我们可以使用以下命令：

conn = sqlite3.connect(:memory:) 

至此，SQLite已经全部设置好，可以在Python中使用了。高防服务器假设我们在Table 1中加载了一些数据，我们可以用以下方式执行SQL命令：

cur = conn.cursor() cur.execute(SELECT * FROM Table1) for row in cur:     print(row) 

现在让我们探索如何通过使用pandas的应用程序使数据可用。

使用pandas加载数据

假设我们已经有了数据，我们想要进行分析，我们可以使用Pandas库来做这件事。

首先，我们需要导入pandas库，然后我们可以加载数据：

import pandas as pd #if we have a csv file df = pd.read_csv(ourfile.csv) #if we have an excel file df = pd.read_excel(ourfile.xlsx) 

一旦我们加载数据，我们可以把它直接放入我们的SQL数据库与一个简单的命令：

df.to_sql(name=Table1, con=conn) 

如果在同一个表中加载多个文件，可以使用if_exists参数：

df.to_sql(name=Table1, con=conn, if_exists=append) 

在处理较大的数据集时，我们将无法使用这个单行命令来加载数据。我们的应用程序将耗尽内存。相反，我们必须一点一点地加载数据。在这个例子中，我们假设每次加载10,000行：

chunksize = 10000 for chunk in pd.read_csv(ourfile.csv, chunksizechunksize=chunksize):     chunk.to_sql(name=Table1, con=conn, if_exists=append) 

把所有的东西放在一起

为了将所有内容综合起来，我们提供一个Python脚本，它涵盖了我们讨论的大部分内容。

import sqlite3, pandas as pd, numpy as np #####Creating test data for us -- you can ignore from sklearn import datasets iris = datasets.load_iris() df1 = pd.DataFrame(data= np.c_[iris[data], iris[target]], columns= iris[feature_names] + [target]) df1.to_csv(TestData.csv,index=False) ########################### conn = sqlite3.connect(:memory:) cur = conn.cursor() chunksize = 10 for chunk in pd.read_csv(TestData.csv, chunksizechunksize=chunksize):     chunkchunk.columns = chunk.columns.str.replace( , _) #replacing spaces with underscores for column names     chunk.to_sql(name=Table1, con=conn, if_exists=append) cur.execute(SELECT * FROM Table1) names = list(map(lambda x: x[0], cur.description)) #Returns the column names print(names) for row in cur:     print(row) cur.close() IT技术网