当SQL查询无法满足你的需求, 你需要对查询后的结果进行处理, 或者你需要使用Excel的数据源, 甚至你需要对不同系统的数据进行查询, Python连接器可以帮到你
# 内置函数说明
ds_get(id) #输入目标数据集的id名, 可以获取目标数据集
ds_df(id) #输入目标数据集的id名, 转化成pandas的df对象
ds_sql(conn_name, sql_str) #输入连接池中的名称, SQL语句, 获取数据集
ds_list(df) #将pandas的df对象转化成数据集
使用方法样列说明
# 读取Excel数据处理
import pandas as pd
df = pd.read_excel('/Users/../smartdemo.xlsx', 'demo')
df = df.groupby('c3').agg({'qty':'sum'}).reset_index()
ds = ds_list(df)
#从数据集获取数据
ds=ds_get(12)
ds=ds[:15]
#从数据集获取数据转化成pandas对象处理
df = ds_df(12)
df = df.sort_values(by="出场数", ascending=False)
ds = ds_list(df)
#可以生成字典格式的数据集供多个图形使用
import pandas as pd
df = pd.read_excel('/Users/../smartdemo.xlsx', 'demo')
df1 = df.groupby('c3').agg({'qty':'sum'}).reset_index()
df2 = df.groupby(['province','c3']).agg({'qty':'sum'}).reset_index()
ds = {'df1': ds_list(df1), 'df2': ds_list(df2)}
#可以直接执行SQL
sql_str = '''select H1 as heroname, sum(qty) as 出场数 from T
/* where H2 = '$H2' */
group by H1 order by sum(qty) desc'''
ds = ds_sql('XXX', sql_str)
ds = ds[:10]