


Sambung ke berbilang pangkalan data, buat atau jana pertanyaan SQL, analisis atau visualisasikan.
Sumber: https://github.com/HimrajDas/SQTHON
SQTHON
Sambung ke berbilang pangkalan data, jalankan pertanyaan SQL mentah, lakukan analisis dan buat visualisasi.
Sedang mengusahakan:
- SqthonAI: hasilkan pertanyaan SQL menggunakan LLM pilihan anda ?
- Peningkatan keselamatan?
- Ciri Baharu
- pengecualian tersuai untuk pameran ralat yang lebih baik ?
Pakej belum diterbitkan kepada pypi lagi dan sedang dibuat menggunakan puisi. ?
Pada masa ini, pakej ini akan berfungsi pada tingkap sahaja.
Dan untuk keselamatan anda cipta persekitaran maya.?
Pemasangan ?
1. Klon repositori.
https://github.com/HimrajDas/SQTHON.git
cd sqthon
2. Pasang puisi (jika tidak dipasang)
Menggunakan Windows powershell
(Invoke-WebRequest -Uri https://install.python-poetry.org -UseBasicParsing).Content | py -
Menggunakan Linux, macOS, Windows (WSL)
curl -sSL https://install.python-poetry.org | python3 -
Menggunakan pipx
pipx install poetry
3. Pasang kebergantungan menggunakan puisi
poetry install
Pemasangan alternatif ?
pip install git https://github.com/HimrajDas/SQTHON
Sekarang bagaimana cara saya menggunakannya?
1. Cipta fail .env dalam akar projek anda. [langkah yang mesti dilakukan]
-
tetapkan kata laluan pangkalan data seperti ini:
kata laluan ✅
2. Mari sambung ke pangkalan data.
from sqthon import Sqthon # Instantiate the class. Passwords gets fetch from the .env file (that's why you have to create it) sq = Sqthon(dialect="mysql", user="root", host="localhost", service_instance_name="MySQL service instance name") # Connects to a database conn1 = sq.connect_to_database(database="dbname", local_infile=True) # local_infile controls the infile settings for the client. conn2 = sq.connect_to_database("dbname") # or you can connect like this: conn3 = sq.connect_db.connect(database="dbname") # not preferred ❌.
Jika pelayan MySQL anda tidak berjalan maka menyediakan service_instance_name akan memulakan pelayan secara automatik.
Jika anda tidak menjalankan skrip sebagai pentadbir, ia akan meminta keistimewaan pentadbir untuk memulakan pelayan.
3. Pertanyaan. ⭐
Katakan anda mempunyai pangkalan data bernama dummy ?
Sambung ke pangkalan data.
dummy_conn = sq.connect_to_database(database="dummy")
Sekarang, bagaimana saya menjalankan beberapa pertanyaan?
# Suppose, You have a table named sales in the dummy database. query = """ SELECT customer_name FROM sales; """ customer_names = dummy_conn.run_query(query=query) # it will return the result as pandas dataframe.
run_query mempunyai beberapa param selain pertanyaan, ia adalah: visualize: bool = False,
jenis_plot: str = Tiada,
x=Tiada,
y=Tiada,
tajuk=Tiada.
Jika anda membuat visualize=True dan memberikan x, y dan plot_type args maka ia akan mengembalikan graf bersama
data yang saya rasa tidak sesuai untuk kegunaan pembolehubah nanti.
4. Visualisasi.
https://github.com/HimrajDas/SQTHON.git
5. Mengimport CSV ke Jadual.
Saya telah mengasingkan ciri ini atas beberapa sebab keselamatan. Apa yang saya maksudkan ialah ia menggunakan
yang berasingan
enjin untuk mengimport csv ke meja yang anda tidak perlu risau ?
Ia wujud dalam util.py sebagai kaedah yang berasingan tanpa kehidupan daripada yang lain.
Pada masa ini ia menyokong mysql sahaja.
Nama Kaedah: import_csv_to_mysqltable
Params ia mempunyai:
- pengguna: str
- hos: str
- pangkalan data: str
- csv_path: str
- contoh_perkhidmatan: str = Tiada
- jadual: str
pengguna: nama pengguna,
hos: hos,
pangkalan data: nama pangkalan data,
csv_path: laluan relatif atau mutlak ke fail csv.
jadual: nama jadual, jika ia tidak wujud maka ia akan mencipta jadual mengikut fail csv.
Anda tidak perlu risau tentang jenis data. Ia akan mengendalikannya.
cd sqthon
Atas ialah kandungan terperinci Sambung ke berbilang pangkalan data, buat atau jana pertanyaan SQL, analisis atau visualisasikan.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python sesuai untuk sains data, pembangunan web dan tugas automasi, manakala C sesuai untuk pengaturcaraan sistem, pembangunan permainan dan sistem tertanam. Python terkenal dengan kesederhanaan dan ekosistem yang kuat, manakala C dikenali dengan keupayaan kawalan dan keupayaan kawalan yang mendasari.

Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Anda boleh mempelajari asas -asas Python dalam masa dua jam. 1. Belajar pembolehubah dan jenis data, 2. Struktur kawalan induk seperti jika pernyataan dan gelung, 3 memahami definisi dan penggunaan fungsi. Ini akan membantu anda mula menulis program python mudah.

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python digunakan secara meluas dalam bidang pembangunan web, sains data, pembelajaran mesin, automasi dan skrip. 1) Dalam pembangunan web, kerangka Django dan Flask memudahkan proses pembangunan. 2) Dalam bidang sains data dan pembelajaran mesin, numpy, panda, scikit-learn dan perpustakaan tensorflow memberikan sokongan yang kuat. 3) Dari segi automasi dan skrip, Python sesuai untuk tugas -tugas seperti ujian automatik dan pengurusan sistem.

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.
