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

Bearsql aadds sql syntax on pandas dataframe. It uses duckdb to speedup the pandas processing and as the sql engine

ویژگی	مقدار
سیستم عامل	-
نام فایل	bearsql-0.1.0
نام	bearsql
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Shrinivas Vijay Deshmukh
ایمیل نویسنده	shrinivas.deshmukh11@gmail.com
آدرس صفحه اصلی	https://github.com/shrinivdeshmukh/bearsql
آدرس اینترنتی	https://pypi.org/project/bearsql/
مجوز	MIT license

======= bearsql ======= .. image:: https://img.shields.io/pypi/v/bearsql.svg :target: https://pypi.python.org/pypi/bearsql .. image:: https://readthedocs.org/projects/bearsql/badge/?version=latest :target: https://bearsql.readthedocs.io/en/latest/?version=latest :alt: Documentation Status Bearsql adds sql syntax on pandas dataframe. It uses duckdb to speedup the pandas processing and as the sql engine * Free software: MIT license * Documentation: https://bearsql.readthedocs.io. Basic Usage ----------- To use bearsql in a project:: from bearsql import SqlContext import pandas as pd sc = SqlContext() # The above statement will create duckdb instance in memory. Once the session ends, the database will be erased and not be persisted # To persist the database, you can instantiate sqlcontext like: # sc = SqlContext(database='<YOUR_DATABASE_NAME>.db' df = pd.DataFrame([{'name': 'John Doe', 'city': 'New York', 'age': 24}, {'name': 'Jane Doe', 'city': 'Chicago', 'age': 27}]) # Create table from pandas dataframe sc.register_table(df, 'testable') # <YOUR_TABLENAME> instead of 'testable' # Query table and output to pandas dataframe results = sc.sql('select * from testable', output='df') output_df = next(results) print(output_df) # Query table and output to pyarrow table results = sc.sql('select * from testable', output='arrow') output_arrow_table = next(results) print(output_arrow_table) # Query table and output raw tuples results = sc.sql('select * from testable', output='any') output_rows = next(results) print(output_rows) Create a relational table from dataframe and apply some operations:: rel = sc.relation(df, 'new_relation') # <YOUR_RELATION_NAME> instead of new_relation print(rel.filter('age > 24')) # OR convert to df: rel.filter('age > 24').df() Export the data to filesystem:: result = sc.sql('EXPORT DATABASE \'<OUTPUT_FOLDER>\' (FORMAT PARQUET);') # format can either be PARQUET or CSV list(result) For more examples, please visit https://github.com/duckdb/duckdb/blob/master/examples/python/duckdb-python.py Features -------- * TODO Credits ------- This package was created with Cookiecutter_ and the `audreyr/cookiecutter-pypackage`_ project template. .. _Cookiecutter: https://github.com/audreyr/cookiecutter .. _`audreyr/cookiecutter-pypackage`: https://github.com/audreyr/cookiecutter-pypackage ======= History ======= 0.1.0 (2021-06-30) ------------------ * First release on PyPI.

نیازمندی

مقدار	نام
==5.5	coverage
==0.2.7	duckdb
==1.21.0	numpy
==1.2.5	pandas
==4.0.1	pyarrow
==2.8.1	python-dateutil
==2021.1	pytz
==1.16.0	six

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl bearsql-0.1.0:

pip install bearsql-0.1.0.whl

نصب پکیج tar.gz bearsql-0.1.0:

pip install bearsql-0.1.0.tar.gz