如何使用 pandas 数据框更新 Postgres 表列？

Question

我通过 Django（新迁移）将单个列添加到具有 100 多列的 Postgres 表中。如何使用pandas data_frame 中的数据更新 PostgreSQL 表中的列？ Postgres SQL UPDATE 的伪代码是：

UPDATE wide_table wt
SET wt.z = df.z
WHERE date = 'todays_date'

这样做的原因是我正在使用S3 中的CSV 计算data_frame 中的列（这是df.z）。 Postgres update 的文档使用起来很简单，但我不确定如何通过 Django、sqlalchemy、pyodbc 等来执行此操作。

如果这有点令人费解，我深表歉意。一个小而不完整的例子是：

宽表（更新前列z）

identifier    |      x       |      y      |      z       |      date       
foo           |      2       |      1      |     0.0      |      ...           
bar           |      2       |      8      |     0.0      |      ...      
baz           |      3       |      7      |     0.0      |      ...      
foo           |      2       |      8      |     0.0      |      ...      
foo           |      1       |      5      |     0.0      |      ...      
baz           |      2       |      8      |     0.0      |      ...      
bar           |      9       |      3      |     0.0      |      ...      
baz           |      2       |      3      |     0.0      |      ...      

Python sn-p 示例

def apply_function(identifier):
    # Maps baz-> 15.0, bar-> 19.6, foo -> 10.0 for single date
    df = pd.read_csv("s3_file_path/date_file_name.csv")
    # Compute 'z' based on identifier and S3 csv
    return z

postgres_query = "Select identifier from wide_table"
df = pd.read_sql(sql=postgres_query, con=engine)
df['z'] = df.identifier.apply(apply_function)

# Python / SQL Update Logic here to update Postgres Column
???

宽表（更新后列z）

identifier    |      x       |      y      |      z        |      date 
foo           |      2       |      1      |     10.0      |      ...     
bar           |      2       |      8      |     19.6      |      ... 
baz           |      3       |      7      |     15.0      |      ... 
foo           |      2       |      8      |     10.0      |      ... 
foo           |      1       |      5      |     10.0      |      ... 
baz           |      2       |      8      |     15.0      |      ... 
bar           |      9       |      3      |     19.6      |      ... 
baz           |      2       |      3      |     15.0      |      ... 

注意：z 中的值每天都会变化，因此简单地创建另一个表来保存这些 z 值并不是一个很好的解决方案。另外，我真的希望避免删除所有数据并重新添加。

Answer 1

遇到了类似的问题，当前接受的解决方案对我来说太慢了。我的表有 500k+ 行，我需要更新 100k+ 行。经过长时间的研究和反复试验，我得出了一个有效且正确的解决方案。

这个想法是使用 psycopg 作为您的编写器并使用临时表。 df 是您的 pandas 数据框，其中包含您要设置的值。

import psycopg2

conn = psycopg2.connect("dbname='db' user='user' host='localhost' password='test'")
cur = conn.cursor()

rows = zip(df.id, df.z)
cur.execute("""CREATE TEMP TABLE codelist(id INTEGER, z INTEGER) ON COMMIT DROP""")
cur.executemany("""INSERT INTO codelist (id, z) VALUES(%s, %s)""", rows)

cur.execute("""
    UPDATE table_name
    SET z = codelist.z
    FROM codelist
    WHERE codelist.id = vehicle.id;
    """)

cur.rowcount
conn.commit()
cur.close()
conn.close()

Answer 2

我自己拼凑了一个解决方案，我压缩了 id 和 z 值，然后执行通用 SQL UPDATE 语句并利用 SQL UPDATE FROM VALUES。

数据准备

sql_query= "SELECT id, a FROM wide_table"
df = pd.read_sql(sql=sql_query, con=engine)
df['z'] = df.a.apply(apply_function)

zipped_vals = zip(df.id, df.z)
tuple_to_str= str(tuple(zipped_vals))
entries_to_update = tuple_to_str[1:len(tuple_to_str)-1] # remove first and last paren in tuple

SQL查询解决方案：

# Update column z by matching ID from SQL Table & Pandas DataFrame
update_sql_query = f"""UPDATE wide_table t SET z = v.z
                        FROM (VALUES {entries_to_update}) AS v (id, z)
                        WHERE t.id = v.id;"""

with engine.begin() as conn:
    conn.execute(update_sql_query)

conn.exec(sql_query)

Answer 关于从值更新 PostgreSQL 表列

PostgreSQL update docs