# -*- coding:utf-8 -*-

import pandas as pd

import MySQLdb

from warnings import filterwarnings

# 由于create table if not exists總會拋出warning，因此使用filterwarnings消除

filterwarnings('ignore', category = MySQLdb.Warning)

from sqlalchemy import create_engine

import sys

if sys.version_info.major<3:

 reload(sys)

 sys.setdefaultencoding("utf-8")

 # 此腳本適用于python2和python3

host,port,user,passwd,db,charset="192.168.1.193",3306,"leo","mysql","test","utf8"

 

def get_df():

 global host,port,user,passwd,db,charset

 conn_config={"host":host, "port":port, "user":user, "passwd":passwd, "db":db,"charset":charset}

 conn = MySQLdb.connect(**conn_config)

 result_df=pd.read_sql('select UserName,Subject,Score from TEST',conn)

 return result_df

 

def pivot(result_df):

 df_pivoted_init=result_df.pivot('UserName','Subject','Score')

 df_pivoted = df_pivoted_init.reset_index() # 將行索引也作為DataFrame值的一部分，以方便存儲數(shù)據(jù)庫

 return df_pivoted_init,df_pivoted

 # 返回的兩個DataFrame，一個是以姓名作index的，一個是以數(shù)字序列作index，前者用于unpivot，后者用于save_to_mysql

 

def unpivot(df_pivoted_init):

 # unpivot需要進(jìn)行df_pivoted_init二維表格的行、列索引遍歷，需要拼SQL因此不能使用save_to_mysql存數(shù)據(jù)，這里使用SQL和MySQLdb接口存

 insert_sql="insert into test_unpivot(UserName,Subject,Score) values "

 # 處理值為NaN的情況

 df_pivoted_init=df_pivoted_init.fillna(0)

 for col in df_pivoted_init.columns:

  for index in df_pivoted_init.index:

   value=df_pivoted_init.at[index,col]

   if value!=0:

    insert_sql=insert_sql+"('%s','%s',%s)" %(index,col,value)+','

 insert_sql = insert_sql.strip(',')

 global host, port, user, passwd, db, charset

 conn_config = {"host": host, "port": port, "user": user, "passwd": passwd, "db": db, "charset": charset}

 conn = MySQLdb.connect(**conn_config)

 cur=conn.cursor()

 cur.execute("create table if not exists test_unpivot like TEST")

 cur.execute(insert_sql)

 conn.commit()

 conn.close()

 

def save_to_mysql(df_pivoted,tablename):

 global host, port, user, passwd, db, charset

 """

 只有使用sqllite時才能指定con=connection實(shí)例，其他數(shù)據(jù)庫需要使用sqlalchemy生成engine，engine的定義可以添加?來設(shè)置字符集和其他屬性

 """

 conn="mysql://%s:%s@%s:%d/%s?charset=%s" %(user,passwd,host,port,db,charset)

 mysql_engine = create_engine(conn)

 df_pivoted.to_sql(name=tablename, con=mysql_engine, if_exists='replace', index=False)

 

# 從TEST表讀取源數(shù)據(jù)至DataFrame結(jié)構(gòu)

result_df=get_df()

# 將源數(shù)據(jù)行轉(zhuǎn)列為二維表格形式

df_pivoted_init,df_pivoted=pivot(result_df)

# 將二維表格形式的數(shù)據(jù)存到新表test中

save_to_mysql(df_pivoted,'test')

# 將被行轉(zhuǎn)列的數(shù)據(jù)unpivot，存入test_unpivot表中

unpivot(df_pivoted_init)

# -*- coding:utf-8 -*-

import pandas as pd

import MySQLdb

from warnings import filterwarnings

# 由于create table if not exists總會拋出warning，因此使用filterwarnings消除

filterwarnings('ignore', category = MySQLdb.Warning)

from sqlalchemy import create_engine

import sys

if sys.version_info.major<3:

 reload(sys)

 sys.setdefaultencoding("utf-8")

 # 此腳本適用于python2和python3

host,port,user,passwd,db,charset="192.168.1.193",3306,"leo","mysql","test","utf8"

 

def get_df():

 global host,port,user,passwd,db,charset

 conn_config={"host":host, "port":port, "user":user, "passwd":passwd, "db":db,"charset":charset}

 conn = MySQLdb.connect(**conn_config)

 result_df=pd.read_sql('select UserName,Subject,Score from TEST',conn)

 return result_df

 

def pivot(result_df):

 df_pivoted_init=result_df.pivot('UserName','Subject','Score')

 df_pivoted = df_pivoted_init.reset_index() # 將行索引也作為DataFrame值的一部分，以方便存儲數(shù)據(jù)庫

 return df_pivoted_init,df_pivoted

 # 返回的兩個DataFrame，一個是以姓名作index的，一個是以數(shù)字序列作index，前者用于unpivot，后者用于save_to_mysql

 

def unpivot(df_pivoted_init):

 # unpivot需要進(jìn)行df_pivoted_init二維表格的行、列索引遍歷，需要拼SQL因此不能使用save_to_mysql存數(shù)據(jù)，這里使用SQL和MySQLdb接口存

 insert_sql="insert into test_unpivot(UserName,Subject,Score) values "

 # 處理值為NaN的情況

 df_pivoted_init=df_pivoted_init.fillna(0)

 for col in df_pivoted_init.columns:

  for index in df_pivoted_init.index:

   value=df_pivoted_init.at[index,col]

   if value!=0:

    insert_sql=insert_sql+"('%s','%s',%s)" %(index,col,value)+','

 insert_sql = insert_sql.strip(',')

 global host, port, user, passwd, db, charset

 conn_config = {"host": host, "port": port, "user": user, "passwd": passwd, "db": db, "charset": charset}

 conn = MySQLdb.connect(**conn_config)

 cur=conn.cursor()

 cur.execute("create table if not exists test_unpivot like TEST")

 cur.execute(insert_sql)

 conn.commit()

 conn.close()

 

def save_to_mysql(df_pivoted,tablename):

 global host, port, user, passwd, db, charset

 """

 只有使用sqllite時才能指定con=connection實(shí)例，其他數(shù)據(jù)庫需要使用sqlalchemy生成engine，engine的定義可以添加?來設(shè)置字符集和其他屬性

 """

 conn="mysql://%s:%s@%s:%d/%s?charset=%s" %(user,passwd,host,port,db,charset)

 mysql_engine = create_engine(conn)

 df_pivoted.to_sql(name=tablename, con=mysql_engine, if_exists='replace', index=False)

 

# 從TEST表讀取源數(shù)據(jù)至DataFrame結(jié)構(gòu)

result_df=get_df()

# 將源數(shù)據(jù)行轉(zhuǎn)列為二維表格形式

df_pivoted_init,df_pivoted=pivot(result_df)

# 將二維表格形式的數(shù)據(jù)存到新表test中

save_to_mysql(df_pivoted,'test')

# 將被行轉(zhuǎn)列的數(shù)據(jù)unpivot，存入test_unpivot表中

unpivot(df_pivoted_init)

result_df=pd.read_sql('select UserName,Subject,Score from TEST',conn)

# 在從數(shù)據(jù)庫中獲取的數(shù)據(jù)格式是這樣的：

    UserName Subject Score

0    張三   語文  80.0

1    張三   數(shù)學(xué)  90.0

2    張三   英語  70.0

3    張三   生物  85.0

4    李四   語文  80.0

5    李四   數(shù)學(xué)  92.0

6    李四   英語  76.0

7    王五   語文  60.0

8    王五   數(shù)學(xué)  82.0

9    王五   英語  96.0

10    王五   生物  78.0

# 如果要使用層次化索引，那么我們只需要把UserName和Subject列設(shè)置為層次化索引，Score為其對應(yīng)的值即可，我們借用set_index()函數(shù)：

df=result_df.set_index(['UserName','Subject'])

In [112]: df.unstack()

Out[112]: 

     Score         

Subject   數(shù)學(xué)  生物  英語  語文

UserName            

張三    90.0 85.0 70.0 80.0

李四    92.0  NaN 76.0 80.0

王五    82.0 78.0 96.0 60.0

# 使用stack可以將unstack的結(jié)果轉(zhuǎn)回來，這樣就也在形式上實(shí)現(xiàn)了行列互轉(zhuǎn)，之后的操作基本一致了。