معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

🐷 Multitread your data with Google BigQuery

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	PygQuery-0.0.6
نام	PygQuery
نسخه کتابخانه	0.0.6
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	M_Lbr
ایمیل نویسنده	m.micky.lbr@gmail.com
آدرس صفحه اصلی	https://github.com/mlabarrere/PygQuery
آدرس اینترنتی	https://pypi.org/project/PygQuery/
مجوز	-

# 🐷 PygQuery Multi-treaded wrapper to read and write Pandas dataframes with Google BigQuery without the hassle of the heavy BigQuery API. PygQuery is multi-treaded by design, meaning that any SQL request is a thread of its own. The advantage of it is that you can send multiple requests in parallel, and have awaiting inbound data ready for later. ### Install On CLI, just type: ```shell pip install pygquery ``` ### Read Data Let's import the module first ```python from pygquery.bigquery import BigQueryReader ``` The module takes 3 arguments as an input: 1. `request` : A string of your query. E.g. `"""SELECT * FROM myproject.dataset.table"""` 2. `project` : The string of the project you are currently gathering data from 3. `api_key_path` : a path of the G Service Account key, you can create one in the IAM tab of your GCP interface Let's instantiate our data reader: ```python reader_dict = { 'request' : """SELECT * FROM myproject.dataset.table""", 'project' : 'myproject', 'api_key_path' : 'folder/key.json' } # If there any error in your query at the instantiation stage, BigQuery will let you know my_request = BigQueryReader(**reader_dict) ``` Now you have an object ready to be launched. If the line of code above executes, you know that: 1. There is no error in the SQL 2. There is no credentials failure Let's fire up this object: ```python my_request.start() # Launch the thread for downloading data "# ... Do other things while data is downloading, like launching another request ... #" my_request.join() # Tell to Python to wait for your download to complete my_data = myRequest.data # Get your data ``` Et voilà! You have your data in Pandas `DataFrame` format ready to be crunched. ```python my_data.info() my_data.head() ```

نیازمندی

مقدار	نام
-	google-cloud-bigquery-storage
-	pandas
-	google-cloud-bigquery
-	google-api-python-client
-	google-auth-httplib2
-	google-auth-oauthlib
-	fastavro
-	pyarrow

نحوه نصب

نصب پکیج whl PygQuery-0.0.6:

pip install PygQuery-0.0.6.whl

نصب پکیج tar.gz PygQuery-0.0.6:

pip install PygQuery-0.0.6.tar.gz