精华内容
下载资源
问答
  • python执行sql脚本工具

    2018-04-28 10:16:27
    python中连接mysql数据库,可作为远程服务器无权限访问mysql工具类使用
  • Python执行sql脚本时GO语句报错

    千次阅读 2018-09-11 17:11:16
    在使用Python中的pymssql库执行如下格式的sql脚本时: SELECT ..... GO INSERT INTO ... GO 报错,错误信息如下:  (102, b"Incorrect syntax near 'GO'.DB-Lib error message 20018, severity 15:\...

     在使用Python中的pymssql库执行如下格式的sql脚本时:

    SELECT .....
    GO
    
    INSERT INTO ...
    GO

    报错,错误信息如下: 

    (102, b"Incorrect syntax near 'GO'.DB-Lib error message 20018, severity 15:\nGeneral SQL Server error: Check messages from the SQL Server\nDB-Lib error message 20018, severity 15:\nGeneral SQL Server error: Check messages from the SQL Server\nDB-Lib error message 20018, severity 15:\nGeneral SQL Server error: Check messages from the SQL Server\nDB-Lib error message 20018, severity 15:\nGeneral SQL Server error: Check messages from the SQL Server\n")

    关键词GO其实是一个分批处理的意思,每个被GO分隔的语句都是一个单独的事务,也就是说一个语句执行失败不会影响其它语句执行。但是在 pymssql中执行如下插入操作时,execute()一次只能处理单次事务,GO对于这里的execute()来说是无法识别的关键词,故语法报错。

    conn = pymssql.connect(host=config['host'], user=config['user'], password=config['password'],database=config['database'], port=config['port'])
    cur = conn.cursor()
    try:
    	cur.execute(sql)
    	conn.commit()
    except Exception as e:
    	print(e)
    	conn.rollback()
    cur.close()
    conn.close()

     解决方案:

    1. 脚本中删除 GO ,再执行即可。(嗯,看上去很直接,很省事,就是方法显得有点不负责任~)

    2. 利用python中的sqlcmd执行sql脚本(windows环境)

    import os
    file_name='test.sql'
    os.system("sqlcmd -S localhost -U sa -P 123456 -d DB_Name -i "+"\""+file_name+"\"" ) 

    其他的参数,可以通过输入命令:sqlcmd /?  查看

     

    展开全文
  • 我的Linux管理平台——新增SQL语句执行操作 前言 基于之前开发的Linux管理平台,可以完成执行Linux命令功能之后,发现不能直接执行oracle的SQL语句,于是我在此基础上我新增了数据库的操作功能。 功能实现 (一)...

    我的运维平台——新增SQL语句执行操作

    前言

    基于之前开发的运维平台,可以完成执行Linux命令功能之后,发现不能直接执行oracle的SQL语句,于是我在此基础上我新增了数据库的操作功能。

    功能实现

    (一)执行SQL语句方面
    1、使用subprocess模块调用SQL*plus子进程;
    2、由于SQL语句可能是大字符串,所以直接将SQL语句存在文本文件中,直接读文本文件中的SQL语句,执行即可,也便于维护。
    (二)系统功能方面
    1、支持增删查改数据;
    2、支持多选数据库,执行对应的SQL语句;
    3、支持前台显示操作结果。

    效果

    1、主界面新增按钮“数据库检查项”,点击进入数据库操作的界面
    在这里插入图片描述2、“数据库检查项”主界面
    在这里插入图片描述3、检查结果示例
    SQL语句如下:
    在这里插入图片描述检查结果如下:
    在这里插入图片描述

    至此,大功告成,源码已上传至我的资源中。

    展开全文
  • 主要介绍了python校验SQL脚本命名规则,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  • Python实现SQL脚本内容的读取

    千次阅读 2019-03-04 14:39:50
    为实现PythonSQL脚本的自动化调用或批量执行,读取脚本内容自然是第一步,也是关键所在 规范化的SQL脚本是我们的最爱,代码处理也最为简单,如网文《20行Python代码执行SQL文件》、《Python执行SQL脚本》等 ...

     

    为实现Python对SQL脚本的自动化调用或批量执行,读取脚本内容自然是第一步,也是关键所在

    规范化的SQL脚本是我们的最爱,代码处理也最为简单,如网文《20行Python代码执行SQL文件》《Python执行SQL脚本》

     

    但是!

    SQL脚本文件内容如果包含人为的手写不规范的多种备注方式的 情况,该怎么处理呢?

    以MySQL为例,备注内容的书写方式就有好几种,如下:

    # 备注方式1
    
    -- 备注方式2
    
    /*
    备注方式3
    */
    
    select * from dual;  # 备注方式4
    
    select * from dual;  -- 备注方式5

    参考资料

    《MySQL脚本注释使用》

    《Python逐行读文件的三种方法》

     

    如下方法实现MySQL脚本文件的读取,包含了对备注内容的处理,入参path 是脚本文件的绝对路径,出参为 SQL语句的字符串列表

    如有纰漏,敬请@

     

        def readSqlFile(path):
            f = open(path, "r", encoding="UTF-8")
            lines = f.readlines()
    
            sqlList = []
            thisSql = ""
            mulNote = False
            for line in lines:
                string = str(line).strip()
                if string == "":
                    continue
    
                # part1 multi-line comment
                if mulNote:
                    if string.startswith("*/"):
                        mulNote = False
                    continue
                if string.startswith("/*"):
                    mulNote = True
                    continue
                if string.startswith("#") or string.startswith("--"):
                    continue
    
                strIn1 = False
                strIn2 = False
                for i in range(len(string)):
                    c = string[i]
                    # part2 string in sql
                    if "'" == c:
                        if not strIn1:
                            strIn1 = True
                        else:
                            strIn1 = False
                        continue
    
                    if '"' == c:
                        if not strIn2:
                            strIn2 = True
                        else:
                            strIn2 = False
                        continue
    
                    if strIn1 is True and strIn2:
                        continue
    
                    # part3 end of sql
                    if ";" == c:
                        string = string[0:(i + 1)]
                        break
    
                    # part4 comment behind of the sql
                    if "#" == c:
                        string = string[0:i]
                        break
                    if "-" == c and i <= len(string) - 2 \
                            and "-" == string[i + 1]:
                        string = string[0:i]
                        break
    
                # part5 join multi-line for one sql
                thisSql += " " + string
    
                # part6 end of sql
                if string.endswith(";"):
                    sqlList.append(copy.deepcopy(thisSql))
                    thisSql = ""
    
            return sqlList

     

     

    展开全文
  • python sql脚本 介绍 (Introduction) The Python programming language is object oriented, easy to use and, widely used programming language. We can write simple Python SQL Scripts and it performs the ...

    python sql脚本

    介绍 (Introduction)

    The Python programming language is object oriented, easy to use and, widely used programming language. We can write simple Python SQL Scripts and it performs the task that is not easy to do with t-SQL.

    Python编程语言是面向对象,易于使用且广泛使用的编程语言。 我们可以编写简单的Python SQL脚本,并且它执行t-SQL很难完成的任务。

    In my previous article, Using Python SQL scripts for Importing Data from Compressed files, we explored that the combination of Python SQL Scripts and SQL Server can be an exciting combination like Peanut Butter and Chocolate ?

    在我的上一篇文章“ 使用Python SQL脚本从压缩文件中导入数据”中 ,我们探讨了Python SQL脚本和SQL Server的组合可以像花生酱和Chocolate?这样令人兴奋的组合。

    We might need to represent data on a different frequency and need to write t-SQL code to get data at various samples. Suppose we have data on yearly frequency. We need to represent data in monthly distribution. It is not an easy task to do with a t-SQL programming language. We can use Python SQL Scripts and use different modules to do frequency conversion. In this article, we will understand this in a combination of disk capacity data in SQL Server.

    我们可能需要以不同的频率表示数据,并且需要编写t-SQL代码以获取各种示例中的数据。 假设我们有关于年度频率的数据。 我们需要以月度分布表示数据。 使用t-SQL编程语言并非易事。 我们可以使用Python SQL脚本并使用不同的模块进行频率转换。 在本文中,我们将结合使用SQL Server中的磁盘容量数据来理解这一点。

    Disk space monitoring and proactively planning for space requirements are the core tasks of DBA. It is one of the essential elements of capacity planning. We must monitor the database growth over time to get requirements of disk space. Usually, we configure alerts to notify DBA in case of free disk space is less than a specified threshold. It is a good approach to maintain free space threshold (around 20% free space), but we should try to be more proactive and give the requirements to storage administrators in advance. We do not want to come in a situation where you want to increase space on a particular disk, but data store does not have sufficient free space to give it to you. We might need to do other stuff such as moving drive around data store that might require downtime.

    磁盘空间监视和主动规划空间需求是DBA的核心任务。 这是能力规划的基本要素之一。 我们必须监视数据库随时间的增长,以获取磁盘空间需求。 通常,我们将警报配置为在可用磁盘空间小于指定阈值的情况下通知DBA。 保持可用空间阈值(大约20%可用空间)是一种很好的方法,但是我们应该尝试更加主动,并提前将要求告知存储管理员。 我们不想遇到您想增加特定磁盘上的空间的情况,但是数据存储区没有足够的可用空间来提供给您。 我们可能需要做其他事情,例如在数据存储中移动驱动器,这可能需要停机。

    We might need to consider many parameters for planning disk space requirements such as free space inside the data and log file, auto growth, disk space growth. In this article, we will focus on disk space growth.

    我们可能需要考虑许多参数来规划磁盘空间需求,例如数据和日志文件中的可用空间,自动增长,磁盘空间增长。 在本文中,我们将重点介绍磁盘空间的增长。

    We can gather disk space data using the DMV sys.dm_os_volume_stats with Join on sys.master_files. It captures the disk space for all disks consisting of database files. Usually, we do not place database files in the system drive. System administrators should maintain these drives.

    我们可以使用DMV sys.dm_os_volume_stats和 sys.master_files 上的 Join收集磁盘空间数据 它捕获由数据库文件组成的所有磁盘的磁盘空间。 通常,我们不将数据库文件放在系统驱动器中。 系统管理员应维护这些驱动器。

    SELECT DISTINCT 
           volume_mount_point [Disk Mount Point], 
           file_system_type [File System Type], 
           logical_volume_name AS [Logical Drive Name], 
           CONVERT(DECIMAL(18, 2), total_bytes / 1073741824.0) AS [Total Size in GB], 
           CONVERT(DECIMAL(18, 2), available_bytes / 1073741824.0) AS [Available Size in GB], 
           CAST(CAST(available_bytes AS FLOAT) / CAST(total_bytes AS FLOAT) AS DECIMAL(18, 2)) * 100 AS [Space Free %]
    FROM sys.master_files
         CROSS APPLY sys.dm_os_volume_stats(database_id, file_id);
    

    We get the output in the following format.

    我们以以下格式获取输出。

    disk space

    We should capture this data in a SQL table regularly. Suppose we do not have disk space data available with us. We only have few values on which basis we want to resample this data on a daily or monthly basis. We can write SQL queries to do this task for us. It might be complicated tasks for you if you are not much familiar with t-SQL. Let’s understand the concept of data resampling in the upcoming section.

    我们应该定期在SQL表中捕获此数据。 假设我们没有可用的磁盘空间数据。 我们希望每天或每月对这些数据进行重新采样的值很少。 我们可以编写SQL查询来为我们完成此任务。 如果您对t-SQL不太熟悉,对您来说可能是复杂的任务。 让我们在接下来的部分中了解数据重采样的概念。

    数据重采样概述 (Data resampling overview)

    We can increase or decrease the frequency of data based on the time series and generate values for it with different methods. Suppose we have a monthly distribution of data for stock prices in share market. We want to generate samples at a weekly or daily basis. Similarly, if we have weekly data, we might wish to data resampling on a monthly or quarterly basis.

    我们可以根据时间序列增加或减少数据的频率,并使用不同的方法为其生成值。 假设我们有股票市场中股票价格的每月数据分布。 我们希望每周或每天生成样本。 同样,如果我们有每周数据,我们可能希望每月或每季度重新采样一次。

    We can resample data in two ways

    我们可以通过两种方式对数据进行重新采样

    • Upsampling: We increase the date-time frequency in Upsampling. Example of Upsampling is as follows.
      • Convert Yearly to Quarterly data
      • Convert Quarterly to Monthly data
      • Convert Monthly data into Weekly data
      • Convert Weekly to Daily Convert
      • Convert Daily to Hourly data
    • 我们增加了升频中的日期时间频率。 升采样示例如下。
      • 将年度数据转换为季度数据
      • 将季度数据转换为月度数据
      • 将每月数据转换成每周数据
      • 每周转换为每日转换
      • 将每日数据转换为每小时数据
    • Downsampling: It is a reverse process to Upsampling. In this, we decrease the data-time frequency of data.
      • Convert Hourly to Daily data
      • Convert Daily to Weekly data
      • Convert Weekly data to Monthly data
      • Convert Monthly to Quarterly Convert
      • Convert Quarterly to Yearly data
    • 下采样:与上采样相反。 这样,我们降低了数据的数据时间频率。
      • 将每小时数据转换为每日数据
      • 将每日数据转换为每周数据
      • 将每周数据转换为每月数据
      • 每月转换为季度转换
      • 将季度数据转换为年度数据

    In the following sections, let see how to use Python Scripts to do data resampling.

    在以下各节中,让我们看看如何使用Python脚本进行数据重采样。

    使用Python SQL脚本进行数据重采样 (Using Python SQL scripts for data Resampling)

    We can use SQL Server 2017 or above to use Python with SQL Server. We do not install all features in SQL Server while doing the installation. To use Python Scripts, we can use following Prerequisites. You can refer articles in TOC at the bottom to get detailed information on this.

    我们可以使用SQL Server 2017或更高版本将Python与SQL Server一起使用。 在安装过程中,我们不会在SQL Server中安装所有功能。 要使用Python脚本,我们可以使用以下先决条件。 您可以参考底部TOC中的文章以获取有关此内容的详细信息。

    Prerequisites

    先决条件

    • SQL Server 2017 or later version

      SQL Server 2017或更高版本
    • Install the Machine Learning Services (Python) to run the Python SQL scripts

      安装机器学习服务(Python)以运行Python SQL脚本

      SQL Server feature selection for Python SQL

    • Enable external scripts enabled using sp_configure command.

      启用使用sp_configure命令启用的外部脚本

      Verify 'external scripts enabled' Python SQL results

    • Restart SQL Server Service and SQL Server Launchpad service. Both of the services should be in running state to execute Python Scripts.

      重新启动S QL服务器服务和SQL Server启动板服务。 这两个服务都应处于运行状态以执行Python脚本。

      Verify SQL Server service and Launchpad service for Python

    • Test Python SQL Script – We can use simple Python SQL Script to test if it is working fine or not. It would avoid later environmental issues. 测试Python SQL脚本 –我们可以使用简单的Python SQL脚本来测试它是否工作正常。 这样可以避免以后出现环境问题。
    Execute sp_execute_external_script 
    @language = N'Python', 
    @script = N'
    a = 9
    b = 3
    c = a/b
    d = a*b
    print(c, d)
    '
    

    Verify sample script out in Python

    Once we have prepared the environment, let’s create a sample data and insert data into it.

    准备好环境后,让我们创建一个样本数据并将数据插入其中。

    CREATE TABLE dbo.DiskSpace
    (
        CaptureDate DATETIME NOT NULL,
        SpaceinGB int NOT NULL
    )
    GO
    INSERT INTO dbo.DiskSpace
    VALUES
    ('20180401', 
     355
    ),
    ('20190428', 
     255
    );
    

    We have the following data in the table. In this data, the first row has value for 1st April 2018 while the second row shows 28th April 2019 value.

    表格中有以下数据。 在此数据中,第一行的值为2018年4月1日,第二行的值为2019年4月28日。

    Sample Data

    用于数据升采样的Python SQL脚本 (Python SQL Script for Upsampling data)

    Suppose we want to resample this data daily. Execute the following Python Script to get Upsampling data weekly.

    假设我们想每天对该数据进行重新采样。 执行以下Python脚本每周获取上采样数据。

    EXEC sp_execute_external_script
    @language = N'Python'
    ,@script =
    N'
     
    import pandas as pd
    from datetime import datetime
     
    df["CaptureDate"] = pd.to_datetime(df["CaptureDate"])
     
    df = df.set_index("CaptureDate", drop = True)
     
    df = df.resample("w").interpolate("linear")
     
    df = df.reset_index()
     
    df["CaptureDate"] = df["CaptureDate"].astype(str)
     
    OutputDataSet = df
    '
    ,@input_data_1 = N'SELECT  [CaptureDate]
          ,[SpaceinGB]
      FROM [DemoSQL].[dbo].[DiskSpace]'
    ,@input_data_1_name = N'df'
    WITH RESULT SETS(("CaptureDate" DATETIME, "DiskSpace" DECIMAL(18,2)))
    GO
    

    We get the following output of Python SQL Script. In this output, data is equally distributed into a weekly basis based on the actual values we have in the table.

    我们得到以下Python SQL脚本输出。 在此输出中,根据我们表中的实际值将数据平均每周分配一次。

    Python SQL Script for Upsampling data

    Similar we can run the following Python SQL Script to get data daily.

    类似地,我们可以运行以下Python SQL脚本每天获取数据。

    EXEC sp_execute_external_script
    @language = N'Python'
    ,@script =
    N'
     
    import pandas as pd
    from datetime import datetime
     
    df["CaptureDate"] = pd.to_datetime(df["CaptureDate"])
     
    df = df.set_index("CaptureDate", drop = True)
     
    df = df.resample("d").interpolate("linear")
     
    df = df.reset_index()
     
    df["CaptureDate"] = df["CaptureDate"].astype(str)
     
    OutputDataSet = df
    '
    ,@input_data_1 = N'SELECT  [CaptureDate]
          ,[SpaceinGB]
      FROM [DemoSQL].[dbo].[DiskSpace]'
    ,@input_data_1_name = N'df'
    WITH RESULT SETS(("CaptureDate" DATETIME, "DiskSpace" DECIMAL(18,2)))
    GO
    

     Upsampling data example

    Let’s truncate the table and insert records on a yearly basis.

    让我们截断表并每年插入记录。

    INSERT INTO [DemoSQL].[dbo].[DiskSpace]
    VALUES
    ('20170131', 
     689
    ),
    ('20180131', 
     412
    ),
    ('20190131', 
     356
    );
    

    We want to resample data into monthly basis, execute the following Python SQL Script.

    我们希望每月重新采样数据,执行以下Python SQL脚本。

    EXEC sp_execute_external_script
    @language = N'Python'
    ,@script =
    N'
     
    import pandas as pd
    from datetime import datetime
     
    df["CaptureDate"] = pd.to_datetime(df["CaptureDate"])
     
    df = df.set_index("CaptureDate", drop = True)
     
    df = df.resample("m").interpolate("linear")
     
    df = df.reset_index()
     
    df["CaptureDate"] = df["CaptureDate"].astype(str)
     
    OutputDataSet = df
    '
    ,@input_data_1 = N'SELECT  [CaptureDate]
          ,[SpaceinGB]
      FROM [DemoSQL].[dbo].[DiskSpace]'
    ,@input_data_1_name = N'df'
    WITH RESULT SETS(("CaptureDate" DATETIME, "DiskSpace" DECIMAL(18,2)))
    GO
    

    We can see monthly distribution of data with Python Script.

    我们可以使用Python脚本看到每月的数据分布。

     Upsampling data example

    探索Python SQL脚本 (Explore a Python SQL Script)

    Let’s understand a Python script in detail.

    让我们详细了解一个Python脚本。

    Part 1: Import Python Module: in SQL Server, we can execute Python SQL Script with stored procedure sp_execute_external_script and specify Python language as a parameter.

    第1部分:导入Python模块:在SQL Server中,我们可以使用存储过程sp_execute_external_script执行Python SQL脚本,并指定Python语言作为参数。

    We can use Pandas module in Python Script to resample data. We can use resample() function in Pandas module. We also need to convert data type date to datetime by the Python module datatime. We can use the resampling module on DateTime column only.

    我们可以在Python脚本中使用Pandas模块对数据进行重新采样。 我们可以在Pandas模块中使用resample()函数。 我们还需要由Python模块DATATIME数据类型转换日期日期时间 。 我们只能在DateTime列上使用重采样模块。

    EXEC sp_execute_external_script
    @language = N'Python'
    ,@script =
    N'
     
    import pandas as pd
    from datetime import datetime
    

    Part 2: Resample the frequency of data :

    第2部分:重新采样数据频率:

    In this part, we specify the index column of the pandas data frame. Index column is the column to use in data sampling.

    在这一部分中,我们指定熊猫数据框的索引列。 索引列是用于数据采样的列。

    In the first line, we convert data type date to datetime using function to_datetime. Once data type conversion finishes, we can drop existing column and set index on new column with datetime data type.

    在第一行中,我们使用to_datetime函数将数据类型date转换为datetime 数据类型转换完成后,我们可以删除现有列,并使用datetime数据类型在新列上设置索引。

      df["CaptureDate"] = pd.to_datetime(df["CaptureDate"])
     
      df = df.set_index("CaptureDate", drop = True)
    

    In the next line of code, we want to resample data using monthly frequency and linear interpolation. Linear interpolation equally distributes the values among time range.

    在下一行代码中,我们希望使用每月频率和线性插值对数据进行重新采样。 线性插值会在时间范围内平均分配值。

      df = df.resample("m").interpolate("linear")
     
      df = df.reset_index()
    

    We can have the following values in the resample function.

    在重采样函数中,我们可以具有以下值。

    • W: Weekly frequency W:每周一次
    • M: month end frequency M:月末频率
    • Y: Yearly frequency Y :每年一次
    • D: Daily frequency D:每日频率
    • Q: quarter end frequency 问:四分之一结束频率

    Part 3: Specify input and output in a Python SQL Query

    第3部分:在Python SQL查询中指定输入和输出

    In this part, we will specify the input (SQL query to get records from the existing table) and output to display data with an appropriate data type.

    在这一部分中,我们将指定输入(SQL查询以从现有表中获取记录)和输出以显示具有适当数据类型的数据。

    Previously we defined disk space column as an integer. In the output, we can choose an appropriate data type. In this example, we defined the data type as decimal up to 2 points.

    以前,我们将磁盘空间列定义为整数。 在输出中,我们可以选择适当的数据类型。 在此示例中,我们将数据类型定义为最多2点的十进制。

    OutputDataSet = df
    '
    ,@input_data_1 = N'SELECT  [CaptureDate]
          ,[SpaceinGB]
      FROM [DemoSQL].[dbo].[DiskSpace]'
    ,@input_data_1_name = N'df'
    WITH RESULT SETS(("CaptureDate" DATETIME, "DiskSpace" DECIMAL(18,2)))
    GO
    

    Python SQL脚本将数据缩减 (Python SQL Script to Downscaling data)

    Suppose we have data in sample table daily. We want to resample data from daily to monthly using SQL Python Scripts.

    假设我们每天都有样本表中的数据。 我们希望使用SQL Python脚本从每天到每月重新采样数据。

    EXEC sp_execute_external_script
    @language = N'Python'
    ,@script =
    N'
    import pandas as pd
    from datetime import datetime
    df["CaptureDate"] = pd.to_datetime(df["CaptureDate"])
    df = df.set_index("CaptureDate", drop = True)
    df = df.resample("M").mean()
    df = df.reset_index()
    df["CaptureDate"] = df["CaptureDate"].astype(str)
    OutputDataSet = df
    '
    ,@input_data_1 = N'SELECT  [CaptureDate]
          ,[DiskSpace]
      FROM [DemoSQL].[dbo].[diskspace_2]'
    ,@input_data_1_name = N'df'
    WITH RESULT SETS(("CaptureDate" DATETIME, "DiskSpace" DECIMAL(18,2)))
    GO
    

    It performs the aggregation on the daily data and gives us month data.

    它对每日数据进行汇总,并为我们提供月份数据。

    Python SQL Script to Downscaling data

    Similarly, we can run the code to get aggregated data quarterly.

    同样,我们可以运行代码以每季度获取汇总数据。

    EXEC sp_execute_external_script
    @language = N'Python'
    ,@script =
    N'
    import pandas as pd
    from datetime import datetime
    df["CaptureDate"] = pd.to_datetime(df["CaptureDate"])
    df = df.set_index("CaptureDate", drop = True)
    df = df.resample("Q").mean()
    df = df.reset_index()
    #df["CaptureDate"] = df["CaptureDate"].astype(str)
    OutputDataSet = df
    '
    ,@input_data_1 = N'SELECT  [CaptureDate]
          ,[DiskSpace]
      FROM [DemoSQL].[dbo].[diskspace_2]'
    ,@input_data_1_name = N'df'
    WITH RESULT SETS(("CaptureDate" DATETIME, "DiskSpace" DECIMAL(18,2)))
    GO
    

    example of Downscaling data

    If we do not have supported data types, we get the following error message.

    如果我们不支持数据类型,则会收到以下错误消息。

    Supported types: bit, tinyint, smallint, int, bigint, uniqueidentifier, real, float, char, varchar, nchar, nvarchar, varbinary, date, DateTime, smalldatetime.

    支持的类型:bit,tinyint,smallint,int,bigint,uniqueidentifier,实数,浮点数,char,varchar,nchar,nvarchar,varbinary,date,DateTime,smalldatetime。

    Error of invalid data types

    结论 (Conclusion)

    Python is simple and easy to understand programming language, and we can perform many important tasks using it. In this article, we explored the use case of Python SQL Scripts to resample data on a different frequency. I will continue exploring mode Python SQL Scripts and share my knowledge in further articles. I hope you like this article.

    Python是一种简单易懂的编程语言,我们可以使用它执行许多重要的任务。 在本文中,我们探讨了Python SQL脚本的用例,以不同的频率对数据进行重采样。 我将继续探索Python SQL脚本模式,并在后续文章中分享我的知识。 希望您喜欢这篇文章。

    翻译自: https://www.sqlshack.com/data-sampling-with-python-sql-scripts/

    python sql脚本

    展开全文
  • python 生成sql脚本

    2018-08-14 11:50:55
    # -*- coding: utf-8 -*- ...sql = """ set @memberId=CONCAT('com.domain.member._','%s'); set @groupName = CONCAT('%s','的助手团队'); INSERT INTO chat_user_group (name, nameType, adminMemb...
  • Python调用SQL脚本失败

    2019-07-06 16:14:24
    script.sql脚本如下:‘UTF-8’格式,该脚本在SQLite Expert中执行没毛病,但用Python调用一致报错。 insert into user_tb values(null, '强盗', '789123', 24); insert into user_tb values(null, '老头', '...
  • testingsql:用于测试在python运行SQL脚本
  • Python脚本,批量执行数据库脚本,适用于SQL Server数据库,后续会上传MySQL的批量执行sql脚本
  • 2019独角兽企业重金招聘Python工程师标准>>> ...
  • 7.4 Python用程序执行SQL脚本

    千次阅读 2019-07-08 08:53:45
    4、用程序执行SQL脚本 SQL 脚本:script.sql(UTF-8) insert into user_tb values(null, '白龙马', '456789', 23); create table buddha_tb( _id integer primary key autoincrement, name text, pass ...
  • python--Python脚本执行SQL

    千次阅读 2019-05-07 18:34:41
    说明:在Linux写python脚本执行SQL,废话不多说,直接贴代码解释。 #!/usr/bin/env python ##python脚本格式,这里有一点要说明的是:#!/usr/bin/env python与#!/usr/bin/python的区别? ##如下:#!/usr/bin/...
  • 适合刚学pythonsql注入的人 import urllib2 import re
  • 目的:作业数据开发人员,写SQL占据大部分时间,然而不可能每次都是手工执行SQL脚本,所以我们需要在固定的时间执行所需的脚本 1、创建Python连接MySQL数据库的模块(ConnMySql.py),代码如下: import pymysql ...
  • 服务器日志中的SQL经常是查询条件参数为?,每次copy后还需手动替换为实际参数再去执行,效率低下。故手写一Python脚本,基本满足了日常使用。本着分享快乐的原则,现分享给大家 :)
  • Python执行数据库脚本

    2019-12-05 17:13:53
    Python执行sql脚本 #!/usr/bin/env python3 # coding: utf-8 import pymysql try: conn = pymysql.connect("127.0.0.1", "root", "root", "test") cur = conn.cursor() with open('test.sql',encoding='u...
  • sql azure 语法 This article explores the Python SQL scripts in SQL Notebook of Azure... 本文探讨了Azure Data StudioSQL Notebook中的Python SQL脚本。 介绍 (Introduction) SQL Notebook is an exciti...
  • python脚本执行shell命令的方法最近在写python的一些脚本,之前使用python都是在django中使用,可能大部分内容都是偏向于后端开发方面的,最近在写一些脚本的时候,发现了python的另外一种面貌,发现还挺有意思...
  • Python SQL批量脚本

    2013-05-31 20:20:23
    count=100 ...f=open("AAA.sql","w") sql=""" insert into AAA (zi1, zi12, zi13, zi13, zi15) values ('aa{0}', null, null, '456{0}', null, null'account{0}', , 'zhang{0}@sohu.com', nul3, to_
  • [Python] Python 脚本备份sqlserver数据库

    千次阅读 2016-07-15 16:59:14
     import time import pymssql nowtime=time.strftime('%Y-%m-%d-%H-%M-%S',...sql = "backup database 数据库名 to disk='C:/数据库名_" + nowtime + ".bak'" cur.execute(sql) con.autocommit(False) cur.close()
  • 运行Python脚本脚本

    2019-04-02 19:59:31
    运行Python脚本脚本 python /opt/generate_log.py 李惠宇 19:06:58 定时任务脚本 一 先启动crontab服务 service crond restart 二 写定时器 crontab -e */1 * * * * /opt/log_generator.sh ...
  • python执行sql文件

    万次阅读 2017-09-19 16:25:39
    最近遇到一对需要执行sql文件,sql文件内是insert 语句。如下:INSERT INTO hs_his.stock_industry VALUES ('采掘', '000006', '深振业A'); INSERT INTO hs_his.stock_industry VALUES ('采掘', '000409', '山东...
  • Python 执行MySQL 脚本

    千次阅读 2016-04-01 14:57:46
    自己写好代码,还写好了部署文档给老美,可是他嫌各种配置,脚本执行麻烦,于是让我搞个自动化部署,只需傻瓜似的下一步下一步就行了,其中里面有一个执行很多sql脚本文件步骤;用Python subprocess模块来执行命令,...
  • Using Python SQL scripts is a powerful technical combination to help developers and database administrators to do data analytics activities. Python provides many useful modules to perform data com...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 66,973
精华内容 26,789
关键字:

python执行sql脚本

python 订阅