Verwenden von pandas-DataFrames mit dem Python-Konnektor¶

Anforderungen¶

Derzeit verwenden die pandas-orientierten API-Methoden der Python-Konnektor-API Folgendes:

• Snowflake-Konnektor 2.1.2 (oder höher) für Python.

• PyArrow-Bibliothek Version 3.0.x.

  Wenn PyArrow bei Ihnen nicht installiert ist, müssen Sie PyArrow nicht installieren. Wenn Sie den Python-Konnektor wie unten dokumentiert installieren, wird automatisch die entsprechende Version von PyArrow installiert.

  Vorsicht

  Wenn Sie bereits eine andere Version der PyArrow-Bibliothek als die oben aufgeführte empfohlene Version haben, deinstallieren Sie PyArrow, bevor Sie den Snowflake-Konnektor für Python installieren. Führen Sie nach der Installation des Snowflake -Konnektor für Python keine Neuinstallation einer anderen Version von PyArrow durch.

  Weitere Informationen dazu finden Sie in der Dokumentation zur PyArrow-Bibliothek.

• pandas 0.25.2 (oder höher). Frühere Versionen funktionieren möglicherweise, wurden jedoch nicht getestet.

Installation¶

Führen Sie den folgenden Befehl aus, um die pandas-kompatible Version des Snowflake-Konnektor für Python zu installieren:

pip install "snowflake-connector-python[pandas]"

Sie müssen die eckigen Klammern ([ und ]) wie im Befehl angegeben eingeben. Die eckigen Klammern geben den zusätzlichen Teil des Pakets an, der installiert werden soll.

Weitere Informationen dazu finden Sie unter der Python-Abhängigkeit extras.

Schließen Sie den Namen des Pakets in Anführungszeichen ein (wie gezeigt), um zu verhindern, dass die eckigen Klammern als Platzhalter interpretiert werden.

Wenn Sie weitere Zusätze installieren müssen (z. B. secure-local-storage für Zwischenspeichern von Verbindungen mit browserbasiertem SSO oder MFA-Tokencaching), verwenden Sie ein Komma zwischen den Zusätzen:

pip install "snowflake-connector-python[secure-local-storage,pandas]"

Lesen von Daten aus einer Snowflake-Datenbank in einen pandas-DataFrame¶

Um Daten in einen pandas-DataFrame einzulesen, verwenden Sie einen Cursor, um Daten abzurufen und dann mithilfe einer der Cursor-Methoden die Daten in einen pandas-DataFrame zu übertragen:

• fetch_pandas_all().

• fetch_pandas_chargen().

Schreiben von Daten von einem pandas-DataFrame in eine Snowflake-Datenbank¶

Führen Sie eine der folgenden Aktionen aus, um Daten von einem pandas-DataFrame in eine Snowflake-Datenbank zu schreiben:

• Rufen Sie die Funktion write_pandas() auf.

• Rufen Sie die Methode pandas.DataFrame.to_sql() auf.

  Weitere Informationen dazu finden Sie in der Dokumentation zu pandas.DataFrame.to_sql, und geben Sie pd_writer() als Methode zum Einfügen der Daten in die Datenbank an.

Datenzuordnung zwischen Snowflake und pandas¶

Die folgende Tabelle zeigt die Zuordnung von Snowflake-Datentypen zu pandas-Datentypen:

Anmerkungen

• Wenn der Snowflake-Datentyp FIXED NUMERIC und die Skalierung null und der Wert NULL ist, wird der Wert nicht in einen ganzzahligen Typ, sondern in float64 konvertiert.

• Wenn eine Konvertierung einen Überlauf verursacht, löst der Python-Konnektor eine Ausnahme aus.

Importieren von pandas¶

Üblicherweise wird pandas mit der folgenden Anweisung importiert:

import pandas as pd

Copy

Möglicherweise werden Verweise auf pandas-Objekte als pandas.object oder pd.object angezeigt.

Migration zu pandas-DataFrames¶

Dieser Abschnitt richtet sich hauptsächlich an Benutzer, die zuvor pandas (und möglicherweise SQLAlchemy) verwendet haben.

Frühere pandas-Benutzer haben möglicherweise Code wie dem folgenden:

• Das folgende Beispiel zeigt die ursprüngliche Methode zum Generieren eines pandas-DataFrame aus dem Python-Konnektor:

  import pandas as pd
  
  def fetch_pandas_old(cur, sql):
      cur.execute(sql)
      rows = 0
      while True:
          dat = cur.fetchmany(50000)
          if not dat:
              break
          df = pd.DataFrame(dat, columns=cur.description)
          rows += df.shape[0]
      print(rows)
  

  Copy

• Das folgende Beispiel zeigt, wie Sie mit SQLAlchemy einen pandas-DataFrame generieren:

  import pandas as pd
  
  def fetch_pandas_sqlalchemy(sql):
      rows = 0
      for chunk in pd.read_sql_query(sql, engine, chunksize=50000):
          rows += chunk.shape[0]
      print(rows)
  

  Copy

Code, der einem der vorhergehenden Beispiele ähnelt, kann konvertiert werden, um die unter Lesen von Daten aus einer Snowflake-Datenbank in einen pandas-DataFrame (unter diesem Thema) aufgeführten pandas-API-Aufrufe des Python-Konnektors zu verwenden.