39
26

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

PandasのSql Upsertを試してみた

Last updated at Posted at 2019-11-30

はじめに

多様なリソースからデータベースを構築するために,データ成形にはpandasを用いることが多いです.そのため
pandasで作ったデータ -> DataBase
というフローをスムーズに行うことが肝になります.

いままではreplaceとappendしかなかったため,pandas側で頑張って成形してから更新するしかありませんでした.(これがすごくめんどくさい)

そんな中,先日pandasに待望のSql Upsert機能追加のプルリクがあったので,動かしてみました.これによって作業効率を爆上がりさせてくれるはずです・・!!

image.png

そもそもUpsertとは

InsertとUpdateをやるという意味です.
SqlにおけるUpsertの機能は大きく2つあります.

  1. Primary Keyベースで,存在するものはなにもせず,存在しないものはInsert(upsert_keep)
  2. Primary Keyベースで,存在するものはUpdateして存在しないものはInsert(upsert_overwrite)

なぜpandasでできるとうれしいか

  • Sqlの欠損値の扱いが難しい
    • NULL文字列のみ欠損値と判断してくれる
      • PythonのnanやNone -> そのまま文字列としてテーブルに入ってしまう
      • 空白文字列 -> 0と認識される
  • csv吐き出しがめんどくさい
    • せっかくPythonで書いてるのに,一旦csvに吐き出してから別のラッパーに突っ込むのは効率悪い

そのため,Pythonエンジニアにとってはpandasから直接,安心してテーブル更新したいという欲望があります.

結論

  • Sql操作をほぼpandasのみでできるようになって便利.そしてシンプルで使いやすい
  • upsert_keepが思うような挙動していないみたいなので原因調査する
'''
Attributes:
    df (pd.DataFrame): any DataFrame
    tablename (str): テーブル名
'''
import pandas as pd
from sqlalchemy import create_engine

con = create_engine('mysql+mysqlconnector://[user]:[pass]@[host]:[port]/[schema]')

# upsert_keep -> 基本なにもしない(?) バグの可能性もあるので今後みていく.
df.to_sql(tablename, con, if_exist='upsert_keep', index=False)

# upsert_overwrite -> 存在するものはUpdateして存在しないものはInsert.意図通り
df.to_sql(tablename, con, if_exist='upsert_overwrite', index=False)

Env

ここからは具体的な話を書いていきます.
環境は以下です.

  • macOS Mojave
    • 10.14.5
  • Python -V
    • 3.6.8
  • package version
    • SQLAlchemy 1.3.11

Setting

環境構築

git clone https://github.com/V0RT3X4/pandas.git
cd pandas
git checkout -b sql-upsert
git pull origin  sql-upsert

git rev-parse HEAD # 現在のcommit hash値
# d0eb251075883902280cba6cd0dd9a1a1c4a69a4

Installation from sources

pip install cython
# Successfully installed cython-0.29.14
python setup.py build_ext --inplace --force #結構時間かかります.気長に待ちましょう.

Mysql server

localでのテスト用に,mysqlサーバを立てて,usersテーブルを作っておきます.

usersテーブル(idカラムをprimary keyとする)

id name age
0 taro 20
1 jiro 17
2 saburo 18

mysql.server start --skip-grant-tables # パスワード無しでログイン可能なmysqlサーバの起動
mysql #ログイン

mysql> CREATE DATABASE testdb;
mysql> USE testdb;
mysql> CREATE TABLE users (
         id INT NOT NULL,
         name VARCHAR(256),
         age INT
       );
mysql> ALTER TABLE users ADD PRIMARY KEY (id);
mysql> INSERT INTO users (id, name, age) VALUES
       (0, 'taro', 20),
       (1, 'jiro', 19),
       (2, 'saburo', 18);

本題

ここからはpandasとsqlalchemyを用いてSql Upsertを試していきます

Db connect

まずはDBとの繋ぎこみから.sqlalchemyが必要になるので入っていない方はpip install sqlalchemyしてください

from sqlalchemy import create_engine
import pandas as pd

con = create_engine('mysql+mysqlconnector://@localhost/testdb')
# format: 'mysql+mysqlconnector://[user]:[pass]@[host]:[port]/[schema]'
users = pd.read_sql('SELECT * FROM users;', con)
users
#   id    name  age
#0   0    taro   20
#1   1    jiro   19
#2   2  saburo   18

Upsert

まずDataFrameを書き換えておく

users.loc[users.id==0, 'name'] = 'syo'
users = pd.concat([users, pd.DataFrame({'id': [3], 'name': ['shiro'], 'age': [28]})])
#   id    name  age
#0   0     syo   20
#1   1    jiro   19
#2   2  saburo   18
#0   3   shiro   28

to_sqlメソッドの基本構文は,

df.to_sql(tablename, con, if_exist, index=False)
# df: pd.DataFrame
# tablename: テーブル名

# if_exist: {'fail', 'replace', 'append', 'upsert_overwrite', 'upsert_keep'}

# * fail: Raise a ValueError. 
# * replace: Drop the table before inserting new values. 
# * append: Insert new values to the existing table. 
# * upsert_overwrite: Overwrite matches in database with incoming data. 
# * upsert_keep: Keep matches in database instead of incoming data.

(その他引数はpandas/core/generic.pyを確認!)

upsert_keep

  • なにもしない(?) -> 後述
    • 3 shiro 28をInsertしてくれると思ったけどされていない
users.to_sql('users', con, if_exists='upsert_keep', index=False)
pd.read_sql('SELECT * FROM users;', con) #確認
#   id    name  age
#0   0     taro   20
#1   1    jiro   19
#2   2  saburo   18

upsert_overwrite

  • primary key(ここではid)かぶっていなければInsert, かぶっているレコードは更新する
    • 意図通り
users.to_sql('users', con, if_exists='upsert_overwrite', index=False)
pd.read_sql('SELECT * FROM users;', con) #確認
#   id    name  age
#0   0     syo   20
#1   1    jiro   19
#2   2  saburo   18
#3   3   shiro   28

おわりに

upsert_keepが意図する挙動にならない問題

pandas/io/sql.pyの_upsert_keep_processingメソッドあたりをちゃんとみていく必要がありそう.原因わかり次第,プルリクand記事更新していきます.

39
26
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
39
26

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?