Download as PDF, PPTX
![333.Pythonで同じ処理をするならresult = []# col3==100のデータに絞込for row in data:if row["col3"] == 100:result.append(row)# col1でソートresult.sort(key=lambda x: x["col1"])# 結果の表示for row in result:print row["col1"], row["col2"]](/image.pl?url=https%3a%2f%2fimage.slidesharecdn.com%2f20161207stapyforupload-161207101229%2f75%2fPostgreSQL-Python-SQL-33-2048.jpg&f=jpg&w=240)
![343.Pythonで同じ処理をするならresult = []# col3==100のデータに絞込for row in data:if row["col3"] == 100:result.append(row)# col1でソートresult.sort(key=lambda x: x["col1"])# 結果の表示for row in result:print row["col1"], row["col2"]](/image.pl?url=https%3a%2f%2fimage.slidesharecdn.com%2f20161207stapyforupload-161207101229%2f75%2fPostgreSQL-Python-SQL-34-2048.jpg&f=jpg&w=240)
![353.Pythonで同じ処理をするならresult = []# col3==100のデータに絞込for row in data:if row["col3"] == 100:result.append(row)# col1でソートresult.sort(key=lambda x: x["col1"])# 結果の表示for row in result:print row["col1"], row["col2"]](/image.pl?url=https%3a%2f%2fimage.slidesharecdn.com%2f20161207stapyforupload-161207101229%2f75%2fPostgreSQL-Python-SQL-35-2048.jpg&f=jpg&w=240)
![363.Pythonで同じ処理をするならresult = []# col3==100のデータに絞込for row in data:if row["col3"] == 100:result.append(row)# col1でソートresult.sort(key=lambda x: x["col1"])# 結果の表示for row in result:print row["col1"], row["col2"]](/image.pl?url=https%3a%2f%2fimage.slidesharecdn.com%2f20161207stapyforupload-161207101229%2f75%2fPostgreSQL-Python-SQL-36-2048.jpg&f=jpg&w=240)
![373.Pythonで同じ処理をするなら逆でも結果は同じだが、遅くなる開発者が最適な手続きを考えるresult = []# col3==100のデータに絞込for row in data:if row["col3"] == 100:result.append(row)# col1でソートresult.sort(key=lambda x: x["col1"])# 結果の表示for row in result:print row["col1"], row["col2"]](/image.pl?url=https%3a%2f%2fimage.slidesharecdn.com%2f20161207stapyforupload-161207101229%2f75%2fPostgreSQL-Python-SQL-37-2048.jpg&f=jpg&w=240)
![524.Multicorn●PythonでFDWを実装できるライブラリ●Multicornのクラスを継承して実装するだけfrom multicorn import ForeignDataWrapperclass ConstantForeignDataWrapper(ForeignDataWrapper):def __init__(self, options, columns):super(ConstantForeignDataWrapper, self).__init__(options, columns)self.columns = columnsdef execute(self, quals, columns):for index in range(20):line = {}for column_name in self.columns:line[column_name] = '%s %s' % (column_name, index)yield line](/image.pl?url=https%3a%2f%2fimage.slidesharecdn.com%2f20161207stapyforupload-161207101229%2f75%2fPostgreSQL-Python-SQL-52-2048.jpg&f=jpg&w=240)
Uploaded bySatoshi Yamada
PDF, PPTX4,841 views
PostgreSQLとPythonとSQL
SQLやDBの簡単な概要とPythonの親和性、FDW等についての資料です。みんなのPython勉強会#19 で使用しました。https://startpython.connpass.com/event/37958/
More Related Content
What's hot
Similar to PostgreSQLとPythonとSQL
![[db tech showcase Tokyo 2015] A14:Amazon Redshiftの元となったスケールアウト型カラムナーDB徹底解説 その...](/image.pl?url=https%3a%2f%2fcdn.slidesharecdn.com%2fss_thumbnails%2fdbts-tokyo-2015a14actian-matrix-insight-technology-150618094408-lva1-app6891-thumbnail.jpg%3fwidth%3d640%26amp%3bheight%3d640%26amp%3bfit%3dbounds&f=jpg&w=240)
More from Satoshi Yamada
PostgreSQLとPythonとSQL
- 1.
- 2.
- 3.30.Who am I?http://enterprisezine.jp/dbonline/detail/8307?p=2●山田聡@denzowill● StartPythonClubスタッフ● 株式会社アシスト勤務● DBエンジニア6年目● ノンプログラマ、趣味でPython● PostgreSQLとOracleが担当
- 4.
- 5.
- 6.61.データベース● 軍事情報をあつめた基地が由来● 様々な目的で利用するため、整理統合されたデータの集合体●データ活用の基盤として存在一元管理共有利用独立性
- 7.71.データベース● 軍事情報をあつめた基地が由来● 様々な目的で利用するため、整理統合されたデータの集合体●データ活用の基盤として存在一元管理共有利用独立性同じデータが散ってるのつらいアプリとデータはお互いに疎でありたいみんなで仲良くしたい
- 8.
- 9.
- 10.
- 11.
- 12.
- 13.
- 14.
- 15.
- 16.
- 17.
- 18.182.PostgreSQLはPythonが大好き●PL/Python●SQL関数がPythonでかける●PgAdmin4●管理ツールはFlask製sampledb=# CREATE ORREPLACE FUNCTION hello_python(hello_count int)sampledb-# RETURNS SETOF textsampledb-# AS $$sampledb$#sampledb$# for n in range(hello_count):sampledb$# yield "HELLO WORLD"sampledb$#sampledb$# $$ LANGUAGE plpythonu;CREATE FUNCTIONsampledb=# select hello_python(5);hello_python--------------HELLO WORLDHELLO WORLDHELLO WORLDHELLO WORLDHELLO WORLD(5 rows)
- 19.
- 20.
- 21.
- 22.22射影3.SQLの基本SELECT col1, col2FROM table1;tabl1のすべての行のcol1,col2を表示してください。
- 23.23選択3.SQLの基本SELECT col1, col2FROM table1WHERE col3 = 100;tabl1のcol3が100の行についてcol1,col2を表示してください。
- 24.24ソート3.SQLの基本SELECT col1, col2FROM table1WHERE col3 = 100 ORDER BY col1;tabl1のcol3が100の行についてcol1,col2をcol1の順番で表示してください。
- 25.25結合3.SQLの基本SELECTtable1.col1,table2.col1FROMtable1 JOIN table2ONtable1.co2 = tabl2.col3table1のcol2とtable2のcol3について同じ行を取得して、table1のcol1とtable2のcol1を表示してください。
- 26.26結合3.SQLの基本SELECTtable1.col1,table2.col1FROMtable1 JOIN table2ONtable1.co2 = table2.col3JOIN table3ON table2.col2 = table3.col2;table1のcol2とtable2のcol3について同じ行を取得して、さらにその行のcol2とtable3のcol2が同じ行についてtable1のcol1とtable2のcol1を表示してください。
- 27.27集約3.SQLの基本SELECT col1, count(*)FROMtable1GROUP BY col1;tabl1についてcol1が同じものをまとめて、それぞれについて行数を表示(count(*))してください。
- 28.283.SQLの基本col1 | col2| col3-----------+------+------APPLE | 1 | 100APPLE | 2 | 100APPLE | 2 | 300PEN | 1 | 100PEN | 1 | 200PINEAPPLE | 1 | 200PINEAPPLE | 1 | 100PINEAPPLE | 2 | 100PINEAPPLE | 2 | 300PINEAPPLE | 2 | 400col1 | count-----------+-------PEN | 2APPLE | 3PINEAPPLE | 5
- 29.
- 30.
- 31.313.手続き型col1 | col2| col3-----------+------+------APPLE | 1 | 100APPLE | 2 | 100APPLE | 2 | 300PEN | 1 | 100PEN | 1 | 200PINEAPPLE | 1 | 200PINEAPPLE | 1 | 100PINEAPPLE | 2 | 100PINEAPPLE | 2 | 300PINEAPPLE | 2 | 400[{"col1": "APPLE","col2": 1,"col3": 100,},{"col1": "APPLE","col2": 2,"col3": 100,},:Pythonで扱う想定でディクショナリにしたもの
- 32.323.SQLで処理したならsampledb=# SELECT col1,col2 FROM table1sampledb-# WHERE col3 = 100 ORDER BY col1;col1 | col2-----------+------APPLE | 1APPLE | 2PEN | 1PINEAPPLE | 1PINEAPPLE | 2(5 rows)
- 33.333.Pythonで同じ処理をするならresult = []#col3==100のデータに絞込for row in data:if row["col3"] == 100:result.append(row)# col1でソートresult.sort(key=lambda x: x["col1"])# 結果の表示for row in result:print row["col1"], row["col2"]
- 34.343.Pythonで同じ処理をするならresult = []#col3==100のデータに絞込for row in data:if row["col3"] == 100:result.append(row)# col1でソートresult.sort(key=lambda x: x["col1"])# 結果の表示for row in result:print row["col1"], row["col2"]
- 35.353.Pythonで同じ処理をするならresult = []#col3==100のデータに絞込for row in data:if row["col3"] == 100:result.append(row)# col1でソートresult.sort(key=lambda x: x["col1"])# 結果の表示for row in result:print row["col1"], row["col2"]
- 36.363.Pythonで同じ処理をするならresult = []#col3==100のデータに絞込for row in data:if row["col3"] == 100:result.append(row)# col1でソートresult.sort(key=lambda x: x["col1"])# 結果の表示for row in result:print row["col1"], row["col2"]
- 37.373.Pythonで同じ処理をするなら逆でも結果は同じだが、遅くなる開発者が最適な手続きを考えるresult = []#col3==100のデータに絞込for row in data:if row["col3"] == 100:result.append(row)# col1でソートresult.sort(key=lambda x: x["col1"])# 結果の表示for row in result:print row["col1"], row["col2"]
- 38.
- 39.
- 40.
- 41.
- 42.
- 43.
- 44.444.FDWForeign Data Wrapper外部データラッパー:PostgreSQL9.1から導入された拡張機能外部のDBや、CSVといった外部リソースをPostgreSQLのテーブルとして扱う機能。様々なリソースにSQLで透過的にアクセスできます。
- 45.
- 46.
- 47.
- 48.
- 49.
- 50.
- 51.
- 52.524.Multicorn●PythonでFDWを実装できるライブラリ●Multicornのクラスを継承して実装するだけfrom multicorn importForeignDataWrapperclass ConstantForeignDataWrapper(ForeignDataWrapper):def __init__(self, options, columns):super(ConstantForeignDataWrapper, self).__init__(options, columns)self.columns = columnsdef execute(self, quals, columns):for index in range(20):line = {}for column_name in self.columns:line[column_name] = '%s %s' % (column_name, index)yield line
- 53.
- 54.
- 55.