معرفی شرکت ها
db-ops-0.1.1
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
-
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | db-ops-0.1.1 |
| نام | db-ops |
| نسخه کتابخانه | 0.1.1 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Stuart Ianna |
| ایمیل نویسنده | stuian@protonmail.com |
| آدرس صفحه اصلی | https://github.com/stuianna/DBOps |
| آدرس اینترنتی | https://pypi.org/project/db-ops/ |
| مجوز | - |
[](https://travis-ci.org/stuianna/DBOps)
Python class helpers for sqlite3 and InfluxDB databases.
## SQHelper (SqLite3 Databases)
Example: Create, read and remove a table working with just dataframes.
```python
from dbops.sqhelper import SQHelper
import pandas as pd
>>> table_name = 'temperature'
>>> df = pd.DataFrame({"timestamp": [1587222785, 1587222786], 'celsius': [23.3, 23.9]})
>>> db = 'myDatabase.sql3'
>>> database = SQHelper(db)
# The dataframe column names are used for the table's column names.
# All dataframe entries are automatically inserted.
>>> database.create_table(table_name,df)
['timestamp', 'celsius']
# Add some more entries to the database, in this case duplicates of the above entry are made.
>>> database.insert(table_name,df)
True
# Read the content back into a dataframe
>>> database.table_to_df(table_name)
celsius timestamp
0 34.2 1587222785
1 23.3 1587222785
2 23.9 1587222786
3 23.3 1587222785
4 23.9 1587222786
# Remove the table from the database
>>> database.remove_table(table_name);
True
```
Example: Create a table, add an entry and return it as a Pandas dataframe.
```python
from dbops.sqhelper import SQHelper
>> db = 'myDatabase.sql3'
>>> table_name = 'temperature'
>>> columns = {'timestamp': 'NUMERIC', 'celsius': 'REAL'}
# Create a class instance for a single database
>>> database = SQHelper(db)
# Add a table to the database
>>> database.create_table(table_name,columns)
['timestamp', 'celsius']
# Get all the tables in the database
>>> database.get_table_names()
['temperature']
# Add an entry to the database
>>> new_entry = {'timestamp': 1587222785, 'celsius': 34.2}
>>> database.insert(table_name, new_entry)
True
# Return the table as a Pandas Dataframe
df = database.table_to_df(table_name)
# Return all rows based on a column query, returns matching rows as dataframe
>>> database.get_row(table_name, 'celsius', 34.2);
celsius timestamp
0 34.2 1587222785
```
Use help(SQHelper) for more detailed information.
## InfluxDB
```python
from dbops.imfluxhelper import InfluxHelper
# Create a class instance for a single database
>>> database = InfluxHelper('database_name')
# Check the database is connected to OK
>>> database.exists()
True
# Add a new measurement to the database as a dictionary
>>> data = {'timestamp': 1585848415, 'temperature': 23.3, 'humidity': 12.2, 'room': 'kitchen', 'house': 'home'}
>>> measurement = 'Environment'
>>> fields = ['temperature', 'humidity']
>>> tags = ['room', 'house']
>>> database.insert(measurement, data, field_keys=fields, tag_keys=tags, use_timestamp=True)
True
# Add multiple measurements as a Pandas DataFrame
>>> data = [{
'timestamp': 1585848415,
'temperature': 23.3,
'humidity': 12.2,
'room': 'kitchen',
'house': 'home'
}, {
'timestamp': 1585848416,
'temperature': 22.1,
'humidity': 13.4,
'room': 'bedroom',
'house': 'home'
}]
>>> df = pd.DataFrame(data)
>>> measurement = 'Household'
>>> fields = ['temperature', 'humidity']
>>> tags = ['room', 'house']
>>> database.insert(measurement, df, field_keys=fields, tag_keys=tags, use_timestamp=use_time)
True
# Get all the measurements in the database
>>> database.get_measurement_names()
['Environment', 'Household']
# Get the last time based entry in a table
>>> last_time_entry = database.get_last_time_entry('Household', 'humidity', 'room', 'bedroom', as_unix=True)
>>> last_time_entry['last']
13.4
>>> last_time_entry['time']
1585848416
```
Use help(InfluxHelper) for more detailed information.
## Version History
**0.1.0**:
- Added interface for Influx Databases
- Added some timestamp conversion utilities
- Improved documentation
نیازمندی
| مقدار | نام |
|---|---|
| - | pandas |
| - | numpy |
| - | pyrfc3339 |
| - | influxdb |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6 | Python |
نحوه نصب
نصب پکیج whl db-ops-0.1.1:
pip install db-ops-0.1.1.whl
نصب پکیج tar.gz db-ops-0.1.1:
pip install db-ops-0.1.1.tar.gz