Send feedback Stay organized with collections Save and categorize content based on your preferences. Loading CSV data from Cloud Storage When you load CSV data from Cloud Storage, you can load the data into a new table or partition, or you can append to or overwrite an existing table or partition. When your data is loaded into BigQuery, it is converted into columnar format for Capacitor (BigQuery'
PythonでBigQueryを扱う方法の詳細は下記の公式サイトを確認してください。 https://googleapis.dev/python/bigquery/latest/usage/index.html データセットを操作したい場合は上記サイトのManaging Datasets テーブル操作したい場合はManaging Tables に記載があります。 テーブルの作成 テーブル作成後にすぐにデータを入れようとすると実行されないことがあるので注意。 from google.cloud import bigquery # Colabで使う場合はPJ名の指定が必要 client = bigquery.Client() client = bigquery.Client(project=project_id) # "your-project" schema = [ bigquery.Sch
PythonとBigQueryのコラボ データ分析を行う上で、PythonとBigQueryの組み合わせはなかなかに相性がよいです。 Pythonは巨大すぎるデータの扱いには向いていませんが、その部分だけをBigQueryにやらせてしまい、データを小さく切り出してしまえば、あとはPythonで自由自在です。 問題はPythonとBigQueryをどう連携するかですが、これは大きく2つの方法があります PythonのBigQuery連携ライブラリを使う Google Cloud Datalabを使う 2は特にJupyter Notebookを使い慣れている人におすすめです。 1.PythonのBigQuery連携ライブラリを使う オススメのライブラリ PythonからBigQueryを叩くためのライブラリはいくつかあります。 例えば、BigQuery-Python、bigquery_py な
In A Simple Approach To Templated SQL Queries In Python, I introduced the basics of SQL templates in Python using JinjaSql. This post further demonstrates the power of Jinja2 within JinjaSql templates using presets, loops, and custom functions. Let’s consider an everyday use case when we have a table with some dimensions and some numerical values, and we want to find some metrics for a given dimen
RDBを操作する際には、SQL文の組み立てが発生します。自前で文字列操作を駆使してSQL文を組み立てると、バグやセキュリティホールの温床となりかねません。 今回はMySQL Connector/Pythonからお行儀よくSQLを投げる方法を紹介します。 事前準備:MySQL Connector/Python のインストール MySQL Connector/Python のインストールは次の記事を参照して下さい。 MySQL Connector/Python 2.1をAmazon Linuxにインストールする 今回は 2.1.6 を利用します (非推奨)自前でSQLを組み立てる ナイーブにSQL文を自分で組み立て、データベースに投げてみましょう import mysql.connector config = { 'user': 'USER', 'password': 'PASSWORD',
「PythonのMySQLのInsertが遅い」 大量のデータを挿入したい場合、Insertに時間がかかる。 しかし一括でInsertすることで時間短縮することができる。 今回はそのバルクInsertについて紹介する。 一括でInsertする方法 pymysql の execute の代わりに executemany を使うと一括でInsertできる。 参考： pymysqlでbulkインサート - MasterYodaの昼下がり 検証 準備 pipで pymysql のライブラリをインストールする。 pip install pymysql MySQLのDBに検証用のテストテーブルを作る。 CREATE TABLE <code>hoge</code> ( <code>id</code> int(11) NOT NULL AUTO_INCREMENT, <code>name</code> v
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・・！！ 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． 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) Primary K
はじめに （MySQLとか使ってて）初期データをインポートしたい時なんかはHeidiSQLみたいなクライアントソフトを使えばいいんですが、勉強がてら作ってみました。 モデルの例 こんなモデルを用意してみました。 WeaponテーブルのデータをCSVでインポートしたいと思います。 外部キーも使いたかったので、サブウェポンとスペシャルを無理やりテーブルにして外部キーとして参照させています。 class SubWeapon(models.Model): # TODO: Define fields here name = models.CharField('名前', blank=True, max_length=100) overview = models.TextField('概要', blank=True) class Meta: verbose_name = 'サブウェポン' verbose
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
