不要生气，得到结果
项目描述
不要生气，得到results
表格数据和 SQL 供没有时间关心的人使用。
在 xlsx、xls、csv、python、postgres 之间移动并轻松返回。
特征：
- 零样板数据库创建、连接和查询。
- 加载/整理/转换 csv 和 excel 数据。
- 自动检测列类型，只需很少或无需手动指定即可加载数据。
- 数据库结果的强大的多列、多顺序键集分页。
- 架构同步。
限制
- 仅限 Python 3.6+、PostgreSQL 10+。许多功能可以与其他数据库一起使用，但很多功能不能。只需使用 Postgres！
安装
results在 PyPI 上。pip使用或任何（许多）Python 包管理器安装它。
设想
有人给你一个凌乱的 csv 或 excel 文件。你需要加载它，清理它，将它放入数据库，查询它，从中创建一个数据透视表，然后将数据透视表作为 csv 发送给某人。
results来这里是为了快速完成这类事情，并且尽可能少地大惊小怪。
让我们来看看。
首先，加载和清理：
import results
# load a csv (in this example, some airport data)
sheet = results.from_file("airports.csv")
# do general cleanup
sheet.standardize_spaces()
sheet.set_blanks_to_none()
# give the keys lowercase-with-underscore names to keep the database happy
cleaned = sheet.with_standardized_keys()
然后，创建一个数据库：
# create a database
DB = "postgresql:///example"
db = results.db(DB)
# create it if it doesn't exist
db.create_database()
然后为数据创建一个表，自动猜测列并创建一个表来匹配。
# guess the column types
guessed = cleaned.guessed_sql_column_types()
# create a table for the data
create_table_statement = results.create_table_statement("data", guessed)
# create or auto-update the table structure in the database
# syncing requires a copy of postgres running locally with your current user set up as superuser
db.sync_db_structure_to_definition(create_table_statement, confirm=False)
然后插入数据，自由查询。
# insert the data. you can also do upserts with upsert_on!
db.insert("data", cleaned)
# show recent airfreight numbers from the top 5 airports
# ss means "single statement"
query_result = db.ss(
"""
with top5 as (
select
foreignport, sum(freight_in_tonnes)
from
data
where year >= 2010
group by
foreignport
order by 2 desc
limit 5
)
select
year, foreignport, sum(freight_in_tonnes)
from
data
where
year >= 2010
and foreignport in (select foreignport from top5)
group by 1, 2
order by 1, 2
"""
)
创建一个数据透视表，然后将其打印为 markdown 或将其保存为 csv。
# create a pivot table
pivot = query_result.pivoted()
# print the pivot table in markdown format
print(pivot.md)
输出：
| year | Auckland | Dubai | Hong Kong | Kuala Lumpur | Singapore |
|-------:|-----------:|---------:|------------:|---------------:|------------:|
| 2010 | 288997 | 145527 | 404735 | 226787 | 529407 |
| 2011 | 304628 | 169868 | 428990 | 244053 | 583921 |
| 2012 | 312828 | 259444 | 400596 | 272093 | 614155 |
| 2013 | 306783 | 257263 | 353895 | 272804 | 592886 |
| 2014 | 309318 | 244776 | 330521 | 261438 | 620419 |
| 2015 | 286202 | 263378 | 290292 | 252906 | 633862 |
| 2016 | 285973 | 236419 | 309556 | 175858 | 614172 |
| 2017 | 314405 | 226048 | 340216 | 199868 | 662505 |
| 2018 | 126712 | 91611.2 | 134540 | 74667.5 | 250653 |
将表格另存为 csv：
pivot.save_csv("2010s_freight_sources_top5.csv")
设计理念
-
不惜一切代价避免样板。让它尽可能简单，但不要更简单。
-
不要重新发明轮子：
results使用 sqlalchemy 进行数据库连接，使用现有的 excel 解析库进行 excel 解析等。results将它们组合在一起，在上面撒一些糖，然后触手可及。 -
吃你自己的狗粮：我们自己每天都用这个。
文档
这个 README.md 目前是所有内容 :( 但我们会尽快添加更多内容，我们保证！
学分
贡献
是的，请！
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个，请了解有关安装包的更多信息。
源分布
results-0.1.1588569394.tar.gz
（19.0 kB
查看哈希）
内置分布
results-0.1.1588569394-py3-none-any.whl
（21.0 kB
查看哈希）