插播小知识
1.python导入sys ，sys,path.append(文件路径)的效果跟import的效果相似都可以导入python脚本文件
2.to_csv(文件名称)保存到csv文件, to_excel（文件名称）保存到xlsx文件中
SQL优化
这里的SQL优化主要是针对于数据量十分巨大时候的处理。在具体的环境，我们是需要逐步调试SQL语句，以保证运行的性能。
查询
星号（*）
尽量避免使用select * 进行全字段的查询，为啥这么说呢？，前面我们用这个命令查询是因为数据量少，数据量很大的话一使用这个就会看不清楚，满屏的数值，想想就很可怕，所以我们尽量使用写字段的方法
select a.id,a.`name`,a.age from 学生表格1 As a;
使用*还会降低性能，我们可以理解一下，当判断出所有字段后，还要再往后判断一次是否这个表还有字段，而直接写出字段就不会判断，节省了资源，如果不理解，我们可以想象一下，数据非常大，每多做出一次判断都会影响MySQL的性能
这样写既可以让我们知道表格里面有哪些字段，
去重（尽量使用group by）
select count(1) from employees where first_name='Georgi'; select count(1) as 剩下的Georgi数量 from ( select DISTINCT first_name as first_name from employees where first_name='Georgi' ) as a where a.first_name='Georgi';
上面代码就是使用distinct去重
而我们使用group by时
select first_name ,count(1) from employees where first_name='Georgi' group by first_name;
最终结果是一样的
如果使用python的逻辑去理解的话，distinct 是判断是否存在，
上面每个方框和下面数据对应一下
如果全为1则说明这两条数据相同,distinct 就是要一一比较然后再判断,而group by就是只要方框内的内容只要不相同就会停止判断
使用 distinct * 进行去重，如果数据量过大，会导致数据库运行效率很慢。
在SQL语句的查询中，中心点在于进一步缩小查询范围，然后找到满足条件的数据。所以在很多时
候，我们可以用冗长的SQL语句来节省数据库的运行时间。
select id ,name ,age from table_name where age = 50 or age = 60 select id ,name ,age from table_name where age = 50 union all select id ,name ,age from table_name where age = 60
简单理解就是我们来计算,计算机执行,我们花费时间写更多的代码来换取更多的内存空间,运行效率就会得到提升
关联查询 join
# 正常SQL数据查询获取 sql = ''' select a.emp_no ,a.age ,a.gender ,b.dept_no from new_employees a join dept_emp b on a.emp_no = b.emp_no and b.dept_no = 'd001' ''' Data_Dw().mysql_to_df(sql)
这里的意思就是new_employees和dept_emp通过a.emp_no = b.emp_no进行关联,关联出b.dept_no = ‘d001’
如果我们先从dept_emp表格里获取20条数据，获取主键值，再从表employees找出，
每次找出5条
sql_1 = """ select emp_no from dept_emp limit 20 """ retur = Data_Dw().mysql_to_df(sql_1) print(type(retur)) print(list(retur)) print(len(retur)) retur print(retur['emp_no']) print(list(retur['emp_no'])) NPB = 5 retur_list = list(retur['emp_no']) retur_list while 1: if len(retur_list) <= NPB: #获取表头 d_type = tuple(retur)[0] #获取内容 sql_2 = f"""select * from employees where {d_type} in{tuple(retur_list)}""" data = Data_Dw().mysql_to_df(sql_2) print(data) break else: # 获取表头 d_type = tuple(retur)[0] # 获取5个数据 并输出 pop_list = list() while len(retur_list) > 0: if len( pop_list)< NPB: pop_list.append(retur_list.pop()) else: pop_tuple = tuple( pop_list) sql_3 = f"""select * from employees where {d_type} in {pop_tuple} """ data = Data_Dw().mysql_to_df(sql_3) print(data) break
第一框代码是使用join的，原理相当于是一次性从许多数据 找出一部分数据，
而第二框是先在ept_emp表格里获取需要的数据，然后拆分成许多小块，然后每个小块在表employees找出，
这样写的好处是啥呢？我们想一想，我们进会场，一次进1000人，现场就会管理很好，如果一下子全部人进入，就会很混乱
在mysql里如果一下子查询许多数据就会给内存增加很大的压力。
通过python实现两张表格的关联查询
原理就是使用sql语句分别查出需要关联的内容，然后通过python关联在一起，这样可以节约mysql内存
sql_4 = """ select emp_no ,dept_no from dept_emp limit 20 """ data_1 = Data_Dw().mysql_to_df(sql_4) data_1 sql_4 = """ select emp_no ,birth_date from employees limit 20 """ data_2 = Data_Dw().mysql_to_df(sql_4) data_2 result=data_1.merge(data_2,how='inner',on='emp_no') result["birth_date"].head(1)
merge函数构成：
参数介绍：
left：参与合并的左侧DataFrame；
right：参与合并的右侧DataFrame；
how：连接方式，有inner、left、right、outer，默认为inner；
on：指的是用于连接的列索引名称，必须存在于左右两个DataFrame中，如果没有指定且其他参数也没有指定，则以两个DataFrame列名交集作为连接键；
left_on：左侧DataFrame中用于连接键的列名，这个参数左右列名不同但代表的含义相同时非常的有 用；
right_on：右侧DataFrame中用于连接键的列名；
left_index：使用左侧DataFrame中的行索引作为连接键；
right_index：使用右侧DataFrame中的行索引作为连接键；
sort：默认为True，将合并的数据进行排序，设置为False可以提高性能；
suffixes：字符串值组成的元组，用于指定当左右DataFrame存在相同列名时在列名后面附加的后缀名称，默认为(‘_x’, ‘_y’)；
copy：默认为True，总是将数据复制到数据结构中，设置为False可以提高性能；
indicator：显示合并数据中数据的来源情况。
result[“birth_date”].head(1) #查看前1条数据
删除 delete
delete from table_name where 条件
这是我们删除语句，但是这种往往不适合删除数据量很大的数据，由于服务器的运行性能的限制，我们就要考虑分段删除了，我们可以通过python语句来操控删除，
方法1
sql_5 = """ select name from 数据库1.学生表格1 where name = '大佬' """ data_2 = Data_Dw().mysql_to_df(sql_5) len(data_2) while 1; #判断是否还有数据 if len(data_2) == 0: break else: sql_6 = """ delete from 数据库1.学生表格1; where name = '大佬' """ data_3 = Data_Dw().mysql_to_df(sql_5) data_3
这个方法缺点就是每次查询都是在数据库里面进行的，很大程度上让数据库的负担加重了，如果数据量小还行，如果数据量大那就不适合了
方法2
sql_6= """ select name from 数据库1.学生表格1 where name = '大佬' """ data_3 = Data_Dw().mysql_to_df(sql_6) data_3["name"] # # 获取表头 # list(data_3) # data_list = list(data_3["name"]) # sa_tuple = list() # CNB = 10 # while 1: # if (len(list(data_3["name"]))) < CNB: # sql_7 = f""" delete from 数据库1.学生表格1 where {list(data_3)[0]} in {tuple(data_3["name"])}""" # print(Data_Dw().mysql_to_df(sql_7)) # break # else: # while 1: # if len(sa_tuple) < CNB: # sa_tuple.append(data_list.pop()) # else: # sql_8 = f""" delete from 数据库1.学生表格1 where {list(data_3)[0]} in {tuple(sa_tuple)}""" # print(Data_Dw().mysql_to_df(sql_8)) # break
对比以上两个方法：
方法一：
通过多次查询数据库，先确定是否存在需要删除的数据，然后进行删除。主要适用于服务器或者数据库硬件性能不足，但是本身使用频繁较低的情况。
方法二：
先圈选需要删除的数据，然后通过循环进行数据的删除。减少了数据库查询的次数，将更多的运算逻辑运用于python中。主要适用于服务器性能充沛，但是数据库已经被其他任务过多占用的情况。
这两种方法都比直接一次性删除全部数据要快很多
