
本文探讨了如何高效地将sql数据库中的长格式数据重构为python中的宽格式列表。针对常见的数据转置需求,文章详细介绍了两种主要策略:首先,通过pandas的`query`结合`pivot`或`set_index`/`unstack`函数进行优化,实现python层面的高效处理;其次,提出将数据转置逻辑下推到sql数据库层面执行,利用sql的聚合函数和条件语句实现更快的性能。文章提供了具体的代码示例和性能考量,旨在帮助开发者根据实际场景选择最适合的数据重构方案。
在数据分析和处理中,我们经常会遇到需要将“长格式”(Long Format)数据转换为“宽格式”(Wide Format)的需求。例如,从关系型数据库中提取的数据通常是长格式,其中每个测量值都对应一行,包含时间戳、测量类型和值。然而,在Python中进行进一步的分析时,我们可能需要将特定测量类型的值组织成独立的列表或数组。本文将深入探讨如何使用Pandas和SQL两种方法,高效地完成这一数据重构任务。
假设我们从SQL数据库中获取的DataFrame结构如下:
Time QuantityMeasured Value 0 t1 A 7 1 t1 B 2 2 t1 C 8 3 t1 D 9 4 t1 E 5 ... ... ... ... 18482 tn A 5 18483 tn C 3 18484 tn E 4 18485 tn B 5 18486 tn D 1
我们的目标是将此数据重构为以下Python列表形式,仅关注'A', 'B', 'C', 'D'这四种测量类型:
list_of_time = ['t1', ..., 'tn'] list_of_A = [7, ..., 5] list_of_B = [2, ..., 5] list_of_C = [8, ..., 3] list_of_D = [9, ..., 8]
在Python中,Pandas库提供了强大的数据处理能力。对于数据转置,pivot函数是常用的工具。然而,简单的pivot可能不是最优解,特别是当原始数据包含大量不需要的QuantityMeasured类别时。
立即学习“Python免费学习笔记(深入)”;
当只需要部分QuantityMeasured类别时,在执行转置操作之前先过滤掉不需要的数据,可以显著减少后续操作的数据量,从而提升性能。
import pandas as pd
import numpy as np
# 假设 df 是从数据库读取的原始DataFrame
# df = pd.read_sql("SELECT Time, QuantityMeasured, Value FROM your_table", your_sql_connection)
# 示例数据(模拟从数据库读取)
data = {
'Time': ['t1', 't1', 't1', 't1', 't1', 'tn', 'tn', 'tn', 'tn', 'tn'],
'QuantityMeasured': ['A', 'B', 'C', 'D', 'E', 'A', 'C', 'E', 'B', 'D'],
'Value': [7, 2, 8, 9, 5, 5, 3, 4, 5, 1]
}
df = pd.DataFrame(data)
# 优化的Pandas转置方法:先过滤,再转置
agg_df = (
df.query("QuantityMeasured in ['A', 'B', 'C', 'D']") # 过滤只保留所需类别
.pivot(index='Time', columns='QuantityMeasured', values='Value')
)
# 提取所需列表
list_of_time = agg_df.index.tolist()
list_of_A = agg_df['A'].tolist()
list_of_B = agg_df['B'].tolist()
list_of_C = agg_df['C'].tolist()
list_of_D = agg_df['D'].tolist()
print("Time:", list_of_time)
print("A:", list_of_A)
print("B:", list_of_B)
print("C:", list_of_C)
print("D:", list_of_D)注意事项:
pivot函数在底层也使用了set_index和unstack。在某些特定情况下,直接使用这两个函数可能会提供略微的性能优势。
# 使用 set_index 和 unstack 进行转置
agg_df_unstack = (
df
.query("QuantityMeasured in ['A', 'B', 'C', 'D']")
.set_index(['Time', 'QuantityMeasured'])['Value']
.unstack()
)
# 提取所需列表(与pivot方式相同)
list_of_time_unstack = agg_df_unstack.index.tolist()
list_of_A_unstack = agg_df_unstack['A'].tolist()
list_of_B_unstack = agg_df_unstack['B'].tolist()
list_of_C_unstack = agg_df_unstack['C'].tolist()
list_of_D_unstack = agg_df_unstack['D'].tolist()
print("\nUsing set_index and unstack:")
print("Time:", list_of_time_unstack)
print("A:", list_of_A_unstack)
print("B:", list_of_B_unstack)
print("C:", list_of_C_unstack)
print("D:", list_of_D_unstack)性能考量: 尽管上述Pandas优化方法比简单的循环或未过滤的pivot更快,但在处理非常大的数据集时,Python层面的数据操作仍可能遇到性能瓶颈。期望将处理时间降低一个数量级(例如,从0.2秒到0.02秒)在Python中可能不切实际,因为数据加载、Pandas内部操作和内存分配都有其固有的开销。
实现大幅度性能提升的更有效方法是,将数据转置的逻辑直接推送到SQL数据库层面执行。数据库通常针对这类聚合和转置操作进行了高度优化,并且可以避免将大量原始长格式数据传输到Python,从而减少网络I/O和内存开销。
以下是一个使用SQL CASE语句和 GROUP BY 实现数据转置的示例查询:
SELECT
Time,
SUM(CASE WHEN QuantityMeasured = 'A' THEN Value ELSE 0 END) AS A,
SUM(CASE WHEN QuantityMeasured = 'B' THEN Value ELSE 0 END) AS B,
SUM(CASE WHEN QuantityMeasured = 'C' THEN Value ELSE 0 END) AS C,
SUM(CASE WHEN QuantityMeasured = 'D' THEN Value ELSE 0 END) AS D
FROM your_table_name -- 替换为你的实际表名
WHERE QuantityMeasured IN ('A', 'B', 'C', 'D') -- 提前过滤,减少聚合数据量
GROUP BY Time
ORDER BY Time; -- 确保时间顺序一致解释:
一旦SQL查询执行完毕,你将获得一个已经转置好的结果集。你可以直接将这个结果集读取到Pandas DataFrame,然后轻松地提取所需的列表。
# 假设你已经建立了SQL连接 `your_sql_connection`
# import sqlalchemy
# engine = sqlalchemy.create_engine("mysql+mysqlconnector://user:password@host/db")
# your_sql_connection = engine.connect()
# sql_query = """
# SELECT
# Time,
# SUM(CASE WHEN QuantityMeasured = 'A' THEN Value ELSE 0 END) AS A,
# SUM(CASE WHEN QuantityMeasured = 'B' THEN Value ELSE 0 END) AS B,
# SUM(CASE WHEN QuantityMeasured = 'C' THEN Value ELSE 0 END) AS C,
# SUM(CASE WHEN QuantityMeasured = 'D' THEN Value ELSE 0 END) AS D
# FROM your_table_name
# WHERE QuantityMeasured IN ('A', 'B', 'C', 'D')
# GROUP BY Time
# ORDER BY Time;
# """
# agg_df_sql = pd.read_sql(sql_query, your_sql_connection)
# # 提取所需列表
# list_of_time_sql = agg_df_sql['Time'].tolist()
# list_of_A_sql = agg_df_sql['A'].tolist()
# list_of_B_sql = agg_df_sql['B'].tolist()
# list_of_C_sql = agg_df_sql['C'].tolist()
# list_of_D_sql = agg_df_sql['D'].tolist()
# print("\nFrom SQL-pivoted data:")
# print("Time:", list_of_time_sql)
# print("A:", list_of_A_sql)
# print("B:", list_of_B_sql)
# print("C:", list_of_C_sql)
# print("D:", list_of_D_sql)优点:
在将SQL中的长格式数据重构为Python列表时,选择正确的方法至关重要:
在实际应用中,你可以根据数据量、性能要求以及团队对SQL和Pandas的熟悉程度来选择最合适的策略。通常,对于性能敏感的生产环境,SQL端转置是更优的选择。
以上就是从SQL到Python:Pandas与SQL实现数据高效转置的策略的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号