Quiero establecer un array desde un base de datos postgresql para que tenemos por el encabezamiento los eclipse_id
y por el lado los subscriber_id
.
> data.head(6).ix[:,2:8]
1222 52582 45552 122 589 568
0 0 0 0 0 0 0
1 0 0 1 0 0 0
2 0 0 0 0 0 0
3 0 3 0 0 0 0
4 0 0 0 0 0 0
5 0 0 0 0 5 0
Vendría de una base de datos swipe
con atributos eclipse_id
, subscriber_id
y state
pero quiero solamente contar los que valen 2,3,5,6,8,9.
Aqui esta la consulta SQL, no sé si hay una otra manera hacerla :
SELECT COUNT (swipe.state),swipe.eclipse_id, swipe.subscriber_id FROM swipe
WHERE swipe.state= 2 OR swipe.state = 3 or swipe.state=5 OR swipe.state =6 or swipe.state=8 or swipe.state=9
GROUP BY swipe.subscriber_id,swipe.eclipse_id
No sé como hacerlo desde Datagrip con un fichero que abriremos como asi :
data = pd.read_csv('data.csv')
O directamente desde Jupyter notebook...
Con Datagrip
Por lo momento tengo sobre datagrip :
1 6874 179
1 10205 13
1 9958 13
1 9639 161
1 11128 185
Utilisaba Dump Data en la derecha para obtenerlo en el /home
pero no funciona: tengo eso :
Cannot write file: /home/SELECT__COUNT__swipe_state__swipe_eclips.csv
Con Jupyter
Intento hacerlo desde Jupyter notebook pero no estoy capaz imprimir los resultados
import traceback
import psycopg2
import numpy as np
import datetime
from datetime import datetime
from operator import *
import pandas as pd
now = datetime.now()
print now
params = {
'database': 'escondida...',
'user': '',
'password': '',
'host': '',
'port': ''
}
try:
conn = psycopg2.connect(**params)
cur = conn.cursor()
cur.execute("""
-- nombre de personnes ayant telecharge notre produit
SELECT COUNT (swipe.state),swipe.eclipse_id, swipe.subscriber_id FROM swipe
WHERE swipe.state= 2 OR swipe.state = 3 or swipe.state=5 OR swipe.state =6 or swipe.state=8 or swipe.state=9
GROUP BY swipe.subscriber_id,swipe.eclipse_id;
""")
n = cur.fetchall()
print "\nnombre de personnes ayant telecharge notre produit \n"
print n
except psycopg2.Error as e:
print "I am unable to connect to the database"
print e
print e.pgcode
print e.pgerror
print traceback.format_exc()
Tengo este los datos de n
:
[(1L, 6874, 179), (1L, 10205, 13), (1L, 9958, 13), (1L, 9639, 161), (1L, 11128, 185), (1L, 9856, 190), (1L, 10663, 296), (1L, 6694, 158), (1L, 10294, 13), (1L, 6845, 156), (1L, 10431, 13), (1L, 7022, 156), (1L, 6943, 172), (1L, 9862, 189), (1L, 7645, 189), (1L, 7025, 156), (1L, 9618, 190), (1L, 10056, 13),...
Puedo hacer :
df1 = pd.DataFrame(listado)
print df1
me da :
count eclipse_id subscriber_id
0 1 6874.0 179
1 1 10205.0 13
2 1 9958.0 13
3 1 9639.0 161
Pero no es una matriz.
Intento tambien :
pd.DataFrame(data=listado[1:,0],
index=listado[2:,0]
columns=listado[3:,0])
Pero me respuesta :
File "<ipython-input-33-f87ac772eb69>", line 3
columns=listado[3:,0])
^
SyntaxError: invalid syntax
El proyecto esta hacer una un sistema de recomendación basada en el usuario siguiendo el artículo del blog de Salem Marafi o el de analyticsvidhya.com.
print
, que implícitamente causa que el dataframe se convierta a cadena formateada "ascii". Si quieres volcarlo como tabla, omite el print, o usdisplay(df)
(necesitas unfrom IPython import display
antes)