[SQL Server玩转Python] 二.T-SQL查询表格值及Python实现数据分析
在开发项目过程中,更多的是通过Python访问SQL Server数据库接口,进行数据挖掘的操作;而SQL Server2016版本之后,嵌入了强大的R、Python、Machine Learning等功能,尤其是Python代码置于存储过程中,可以实现一些便捷数据分析功能。
本系列文章主要讲解SQL Server 2017实现Python数据分析的文章,同时对比两者的优劣。前一篇文章主要讲解SQL Server开发Python环境的安装过程及基本的数据分析代码实现,本文主要讲解T-SQL实现表的查询及简单的数据分析实验。基础性文章,该方面知识也较少,自己也仍在不断学习中,希望对你有所帮助。
推荐官网学习文档:https://docs.microsoft.com/zh-cn/sql/advanced-analytics/?view=sql-server-2017
PS:2019年1~2月作者参加了CSDN2018年博客评选,希望您能投出宝贵的一票。我是59号,Eastmount,杨秀璋。投票地址:https://bss.csdn.net/m/topic/blog_star2018/index
五年来写了314篇博客,12个专栏,是真的热爱分享,热爱CSDN这个平台,也想帮助更多的人,专栏包括Python、数据挖掘、网络爬虫、图像处理、C#、Android等。现在也当了两年老师,更是觉得有义务教好每一个学生,让贵州学子好好写点代码,学点技术,"师者,传到授业解惑也",提前祝大家新年快乐。2019我们携手共进,为爱而生。
一. T-SQL调用Python脚本入门知识
脚本语言的基本语法如下,推荐官方文章 sp_execute_external_script (TRANSACT-SQL) 。
sp_execute_external_script @language = N'language', @script = N'script' [ , @input_data_1 = N'input_data_1' ] [ , @input_data_1_name = N'input_data_1_name' ] [ , @output_data_1_name = N'output_data_1_name' ] [ , @parallel = 0 | 1 ] [ , @params = N'@parameter_name data_type [ OUT | OUTPUT ] [ ,...n ]' ] [ , @parameter1 = 'value1' [ OUT | OUTPUT ] [ ,...n ] ]
参数如下:
@language = N’语言’: 具体取决于你的 SQL Server 版本,有效的值为 R (SQL Server 2016 及更高版本)、 Python (SQL Server 2017 及更高版本) 和 Java (SQL Server 2019 预览版)。
@script = u’脚本语言’: 需要被执行的外部脚本,脚本指定为参数或变量的输入的外部语言脚本, 脚本是nvarchar (max)。
@input_data_1 = N’input_data_1’: 外部语言脚本的输入数据。
@input_data_1_name = N’input_data_1_name’: 可选输入名,用于表示定义的查询变量名称@input_data_1,默认名inputDataSet。注意:外部脚本变量中的数据类型取决于语言。 对于 R,则输入的变量是数据帧;对于 Python,输入必须为表格。
@output_data_1_name = N’output_data_1name’: 输出名,默认名为OutputDataSet。指定的变量名称中包含要返回到的数据的外部脚本 SQL Server 存储过程调用完成后, 外部脚本的变量中的数据类型取决于语言。
@parrallel = 0 | 1 : 启用并行执行脚本@parallel参数为 1,此参数默认值为 0 (不能并行)。 如果@parallel = 1和输出进行流式处理直接向客户端计算机,则WITH RESULT SETS子句是必需的并且必须指定输出架构。
@params = N’parameter_name data_type [输出] [,…n]’: 外部脚本中使用的输入的参数声明的列表。
@parameter1 = ‘value1:’ 有关使用外部脚本的输入参数的值的列表。
下面是T-SQL执行Python脚本代码最基本的情况,如下所示:
execute sp_execute_external_script
@language = N'Python',
@script = N'
import math
a = 1
b = 2
c = a*b
print(a,b,c)
d = math.pi/6
print(math.sin(d))
'
输出结果如下所示:
推荐这篇文章供大家学习基础知识:使用 T-SQL 執行 Python
接在讲述导入sklearn库进行线性回归预测的代码,如下所示:
execute sp_execute_external_script
@language = N'Python',
@script = N'
from sklearn import linear_model
import matplotlib.pyplot as plt
import numpy as np
#X表示匹萨尺寸 Y表示匹萨价格
X = [[6], [8], [10], [14], [18]]
Y = [[7], [9], [13], [17.5], [18]]
print(X)
print(Y)
#回归训练
clf = linear_model.LinearRegression()
clf.fit(X, Y)
res = clf.predict(np.array([12]).reshape(-1, 1))[0]
print(u"预测一张12英寸匹萨价格:$%.2f" % res)
#预测结果
X2 = [[0], [10], [14], [25]]
Y2 = clf.predict(X2)
'
输出结果可以看到线性回归预测的价格。
二. T-SQL含查询的Python脚本
1.查询显示所有数据库
下面结合SQL语句查询编写Python脚本,代码如下:其中输入数据为"select 1 as Coll”,输出结果赋值为MyOutput变量,最后输出的表头定义为“ResultValue”。
execute sp_execute_external_script
@language = N'Python',
@script = N'
MyOutput = MyInput
',
@input_data_1_name = N'MyInput',
@input_data_1 = N'SELECT 1 as Col1',
@output_data_1_name = N'MyOutput'
WITH RESULT SETS ((ResultValue int))
输出结果如下所示:
另一种获取表格的方法如下所示:
-- 自定义输入的数据集变量,如:dbname
execute sp_execute_external_script
@language = N'Python',
@script = N'
print(dbname)
print(type(dbname))
',@input_data_1 = N'SELECT database_id,name FROM sys.databases'
,@input_data_1_name = N'dbname'
输出结果如下所示,包括代码及运行结果(数据库名称)。
2.创建表格并显示查询的数据
下面自己创建表,再查询表格中的数据。
create database yxz;use yxz;--学生表
create table Student(Sno varchar(10) primary key,Sname varchar(10) not null,Sex char(2),Sdept varchar(20),SBirthday datetime
);insert into Student(Sno,Sname,Sex,Sdept,SBirthday)
values('S01','王建平','男','自动化','1996-01-12');
insert into Student(Sno,Sname,Sex,Sdept,SBirthday)
values('S02','刘华','女','自动化','1995-07-01'),('S03','范林军','女','计算机','1994-06-30');
insert into Student(Sno,Sname,Sex,Sdept,SBirthday)
values('S04','李伟','女','数学','1995-05-01'),('S05','黄烟','男','数学','1996-04-01'),('S06','何淳','男','数学','1995-06-30');select * from Student;SELECT Ages = DATEDIFF(YEAR,[SBirthday],GETDATE())
FROM [yxz].[dbo].[Student];
输出结果如下图所示:
R脚本
EXEC sp_execute_external_script@language = N'R',@script = N'res<-quantile(InputDataSet$Ages);df <- data.frame(res);',@input_data_1 = N'SELECT DATEDIFF(YEAR,[SBirthday],GETDATE()) AS AgesFROM [yxz].[dbo].[Student];',@output_data_1_name = N'df'
WITH RESULT SETS (("res" int not null));
输出结果如下所示:
res
1 22
2 22
3 23
4 23
5 24
Python脚本
EXEC sp_execute_external_script
@language = N'Python',
@script = N'
print(InputDataSet[["Ages","Sno"]])
',
@input_data_1 = N'SELECT DATEDIFF(YEAR,[SBirthday],GETDATE()) as Ages, SnoFROM [yxz].[dbo].[Student];',
@output_data_1_name = N'df'
其中,InputDataSet表示输入数据集,需要定义到[[“Ages”, “Sno”]]中。 输出结果如下:
而如果查询输出字段包含了中文,如用户名时,会提示编码utf-8错误。
EXEC sp_execute_external_script
@language = N'Python',
@script = N'
print(InputDataSet["Ages","Sname","Sno"])
',
@input_data_1 = N'SELECT DATEDIFF(YEAR,[SBirthday],GETDATE()) as Ages, Sname, SnoFROM [yxz].[dbo].[Student];',
@output_data_1_name = N'df'
如下图所示,在Python中可以尝试读入文件指定utf-8编码,而嵌入SQL Server中我还不知道如何解决,尝试并百度也没找到解决方法。
Error in execution. Check the output for more information.
UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xcd in position 0: invalid continuation byte
三. Python读取文件及聚类分析
接下来讲解Python读取文件并进行聚类分析的代码。输入的数据是glass玻璃数据集,如下所示:
单独的Python代码如下:
# -*- coding: utf-8 -*-
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.cluster import Birch#获取数据集及降维
glass = pd.read_csv("glass.csv")
pca = PCA(n_components=2)
newData = pca.fit_transform(glass)
print newData[:4]
L1 = [n[0] for n in newData]
L2 = [n[1] for n in newData]
plt.rc('font', family='SimHei', size=10) #设置字体
plt.rcParams['axes.unicode_minus'] = False #负号#聚类 类簇数=4
clf = Birch(n_clusters=4)
clf.fit(glass)
pre = clf.predict(glass)
plt.title(u"Birch聚类 n=4")
plt.scatter(L1,L2,c=pre,marker="s",s=100)
plt.show()
运行结果如下图所示:
那怎么通过SQL Server嵌入Python代码实现简单的聚类分析呢?
首先通过下面代码实现读入数据操作。
@language = N'Python',
@script = N'
import pandas as pd
xl = pd.ExcelFile("C:/glass.xlsx")
df = xl.parse(xl.sheet_names[0])
print(df)
print(df.dtypes)
'
输出表格内容如下图所示:
另一个中文数据表 glass2.xlsx 输出如下所示:
数据分析部分同样增加相关代码即可,如下:
execute sp_execute_external_script
@language = N'Python',
@script = N'
import pandas as pd
from sklearn.cluster import Birch
xl = pd.ExcelFile("C:/glass.xlsx")
df = xl.parse(xl.sheet_names[0])
clf = Birch(n_clusters=4)
clf.fit(df)
pre = clf.predict(df)
print(pre)
'
输出的预测结果如下所示:
后续会继续补充如何将导入的数据存储至表中,如何显示中文数据,如何编写存储过程进行训练和测试。这系列文章资料比较少,作者也在一步步学习研究中,望读者海涵。
希望文章对大家有所帮助,如果有错误或不足之处,还请原谅。最近经历的事情太多,有喜有悲,关闭了朋友圈,希望通过不断学习和写文章来忘记烦劳,将忧郁转换为动力,每周学习都记录下来。
(By:Eastmount 2018-11-13 晚上12点 https://blog.csdn.net/Eastmount/)
[SQL Server玩转Python] 二.T-SQL查询表格值及Python实现数据分析相关推荐
- Sql Server的艺术(二) SQL复杂条件搜索
本次讲到where字句中经常用到的集中较为复杂的搜索条件,包括组合的查询条件.IN运算符.NOT运算符.LIKE运算符和相关通配符. 学习本节需要用到一下两张表: CREATE TABLE TEACH ...
- [SQL Server玩转Python] 一.安装环境及T-SQL调用python脚本
在开发项目过程中,更多的是通过Python访问SQL Server数据库接口,进行数据挖掘的操作:而SQL Server2016版本之后,嵌入了强大的R.Python.Machine Learning ...
- sql server 多条记录数据合并为一条_如何利用Python实现SQL自动化?
全文共5520字,预计学习时长16分钟 来源:Pexels 笔者在工作中经常要使用SQL,其不乏存在恼人的细微差异和种种限制,但说到底,它是数据行业的基石.因此,对于每一位数据领域的工作者,SQL都是 ...
- Microsoft SQL Server 数据库使用(二)
##Microsoft SQL Server 数据库使用(二) 数据库练习使用可以在我的资源下载中下载数据库脚本文件. 一.查询数据 注:下面使用 Microsoft SQL Server 2019 ...
- SQL Server 高级技术(二)—— 安全
SQL Server 高级技术(二)-- 安全 一.概述 SQL Server 广泛使用安全主体和安全对象管理安全,一个请求.服务器.数据库或架构资源的实体称为安全主体,每一个安全主体有唯一的安全标识 ...
- Sql Server数据库事务介绍(二)---Sql语句,SqlTransaction和TransactionScope的使用方法
本节主要介绍Sql语句,SqlTransaction和TransactionScope这三种使用事务的方法. 本节的所有例子都在sql server 2008和vs 2008环境下运行通过,如果没有s ...
- SQL Server on Ubuntu——Ubuntu上的SQL Server(全截图)
本文从零开始一步一步介绍如何在Ubuntu上搭建SQL Server 2017,包括安装系统.安装SQL等相关步骤和方法(仅供测试学习之用,基础篇). 一. 创建Ubuntu系统(Create U ...
- SQL SERVER 2014 安装图解(含 SQL SERVER 2014 安装程序共享)
开篇介绍 2015年1月1日,新的一年开始之际,本来应该好好做点有意义的事情来跨个年的.结果,老习惯 - 睡觉之前一定要折腾一下电脑,说干就干,给新到的 DELL 电脑装虚机,下载 SQL SERVE ...
- SQL Server应用程序中的高级SQL注入[转]
SQL Server应用程序中的高级SQL注入[从A.Z的POST里转载,经过整理] 作者:Chris Anley[chris@ngssoftware.com] An NGSSoftware Insi ...
最新文章
- cnocr训练_cnocr: 极简的中文OCR Python包
- 走近分形与混沌(part4)--牛顿与混沌
- 网站搭建从零开始(七) WordPress站点的完善
- 使用BeetleX访问redis服务
- python开发项目架构图_我的第一个python web开发框架(8)——项目结构与RESTful接口风格说明...
- NTT Docomo研究主管Kazuaki OBANA:NTT DOCOMO NFV案例解析
- linux下设置程序后台运行,linux中如何让进程在后台运行
- 使用data attributes
- 给创业者们推荐一个好的工具
- shopex PHP Notice,shopex官网用PHP为SHOPEX增加日志功能代码
- kettle工具实现数据的颗粒度转换以及珊瑚橘商务规划计算
- 恍然若梦:南京珠江路一晚安利-传销经历。
- 四种属性范围(重点)
- [最新]5个OpenAI的密钥/接口key 5个可用的API KEY分享(免费使用)
- Gstore官网学习四:常用API
- DLL load failed while importing _cvxcore解决办法
- 中职 网络搭建与应用 DCN无线常用配置
- 视频剪辑软件实用推荐
- C++定义结构体大小根堆的方法
- 仰慕 Queens,先从 OpenStack Cinder 开始吧!
热门文章
- 谷歌查看html地址_104篇CVPR 2019论文,追踪谷歌、Facebook、英伟达研究课题
- vue中如何检测身份正反面_vue iview怎么验证身份证正则
- 解决“Liquibase: Waiting for changelog lock”数据库死锁问题
- 比较两数大小c语言,C语言比较两个数字的大小
- python项目--餐厅订单数据分析
- 计算机图形学名词解释
- 全球与中国市场植物(HPMC)胶囊前景展望与十四五趋势预测报告2022年版
- 数据可视化——Matlab平台读取颜色条图片制作出自己的颜色条
- 联想服务器应用场景,联想服务器承载沈阳地铁三大核心应用
- WebAR开发指南(1)---使用AR.js实现第一个WebAR demo