معرفی شرکت ها
algoseek-connector-1.0.1
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 بیشترتوضیحات
A wrapper library for ORM-like SQL builder and executor
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | algoseek-connector-1.0.1 |
| نام | algoseek-connector |
| نسخه کتابخانه | 1.0.1 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Taras Kuzyo |
| ایمیل نویسنده | taras@algoseek.com |
| آدرس صفحه اصلی | - |
| آدرس اینترنتی | https://pypi.org/project/algoseek-connector/ |
| مجوز | - |
# algoseek-connector
A wrapper library for ORM-like SQL builder and executor.
The library provides a simple pythonic interface to algoseek datasets with custom data filtering/selection.
## Installing and Supported Versions
algoseek-connector is available on PyPI:
```
$ python -m pip install requests
```
or alternatively
```
$ pip install algoseek-connector
```
Python versions 3.6+ are supported.
## Supported Features
The following query operations on datasets are supported:
- Selecting columns and arbitrary expressions based on columns
- Filtering by column value/column expression
- Grouping by column(s)
- Sorting by column(s)
- All common artithmetic, logical operations on dataset columns and function application
- Fetching query results as a pandas dataframe
## Getting Started
### Creating a session
A database connection is created with a `Session` object
with the DB host, username and password provided.
```
import algoseek_connector as aconnect
host = '123.123.123.123'
user = 'demo'
password ='secret-password-2000'
session = aconnect.Session(host, user, password)
```
Optionally a port number is provided unless it is a default value of 9000.
### Configuring a session with environment variables
You can make use of the following environment variables to set up the databse connection:
- AS_DATABASE_HOST
- AS_DATABASE_PORT
- AS_DATABASE_USER
- AS_DATABASE_PASSWORD
In this case an empty session is created with user credentials read from the environment.
```
session = aconnect.Session()
```
### Executing raw queries
A Session object can be used to execute a SQL query directly
```
session.execute('''
SELECT * FROM USEquityMarketData.TradeOnly
WHERE Ticker = 'IBM'
LIMIT 10''')
```
### Datagroups and datasets
All datasets available are grouped into data groups
Is structured into datagroups, e.g. USEquityMarketData, USFuturesMarketData, etc.
You can browse the list of available data groups with the `DataResource`
```
resource = DataResource(session)
for dgr in resource.datagroups.all():
print(dgr.name)
```
Similarly, you can access the list of datasets of a specific data group:
```
datagroup = resource.datagroup('USEquityMarketData')
for dts in datagroup.datasets.all():
print(dts.name)
```
Alternatively, getting a specific dataset directly:
```
dataset = aconnect.Dataset(
'USEquityMarketData', 'TradeOnlyMinuteBar', session=session
)
```
### Selecting a subset of columns
To get specific columns the `Dataset.select` method is used:
```
ds = aconnect.Dataset(
'USEquityMarketData', 'TradeOnly', session=session
)
ds.select(
ds.EventDateTime, ds.Ticker, ds.Price
).head()
```
### Dataset filtering
Filtering expressions can be chained using `&` (AND) and `|` (OR) operators, a `~` is used for negation (NOT).
```
ds = aconnect.Dataset(
'USEquityMarketData', 'TradeOnly', session=session
)
ds.select(
ds.EventDateTime, ds.Ticker, ds.Price
).filter(
ds.TradeDate.between('2022-01-01', '2022-01-31') &
(ds.Ticker = 'TSLA') &
(ds.Quantity < 100)
).head()
```
### Getting results
You can make use of `Dataset.fetch` method to execute the generated query and get results as a pandas dataframe:
```
ds = aconnect.Dataset(
'USEquityMarketData', 'TradeOnlyMinuteBar', session=session
)
ds.select(
ds.BarDateTime,
ds.Ticker,
ds.Volume
).filter(
ds.Ticker,isin(['AAPL', 'FB']) &
ds.TradeDate > '2022-05-01'
).fetch()
```
## TODO
- pandas dataframe parse date/time columns
نیازمندی
| مقدار | نام |
|---|---|
| - | clickhouse-driver |
| - | pandas |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6, <4 | Python |
نحوه نصب
نصب پکیج whl algoseek-connector-1.0.1:
pip install algoseek-connector-1.0.1.whl
نصب پکیج tar.gz algoseek-connector-1.0.1:
pip install algoseek-connector-1.0.1.tar.gz