我正在尝试将一个大型数据集(1300万行)从mysql数据库读入pandas(0.17.1)。根据网上的一个建议,我使用了 chunksize
参数来执行此操作。
db = pymysql.connect(HOST, # localhost
port=PORT, # port
user=USER, # username
password=PASSW, # password
db=DATABASE) # name of the data base
df = pd.DataFrame()
query = "SELECT * FROM `table`;"
for chunks in pd.read_sql(query, con=db, chunksize=100000):
df = df.append(chunks)
但每次我做这件事都会有麻烦 TypeError: Argument 'rows' has incorrect type (expected list, got tuple)
错误。
当我没有使用chunksize参数,因此没有生成generator对象时,这就起作用了。我可以看到mysql正在返回一个 tuple-of-tuples
而不是 list-of-tuples
.
所以,我的问题是,为什么查询在正常情况下工作,我该怎么做才能确保我从数据库中得到一个元组列表,这样我就可以使用它了?
完整的回溯看起来像这样
TypeError Traceback (most recent call last)
<ipython-input-20-efe94dcd2c70> in <module>()
8 df_horses = pd.DataFrame()
9 query = "SELECT * FROM `horses`;"
---> 10 for chunks in pd.read_sql(query, con=db, chunksize=10000):
11 df_horses = df_horses.append(chunks)
12 print df_horses.shape
/home/ubuntu/anaconda2/lib/python2.7/site-packages/pandas/io/sql.pyc in _query_iterator(cursor, chunksize, columns, index_col, coerce_float, parse_dates)
1563 yield _wrap_result(data, columns, index_col=index_col,
1564 coerce_float=coerce_float,
-> 1565 parse_dates=parse_dates)
1566
1567 def read_query(self, sql, index_col=None, coerce_float=True, params=None,
/home/ubuntu/anaconda2/lib/python2.7/site-packages/pandas/io/sql.pyc in _wrap_result(data, columns, index_col, coerce_float, parse_dates)
135
136 frame = DataFrame.from_records(data, columns=columns,
--> 137 coerce_float=coerce_float)
138
139 _parse_date_columns(frame, parse_dates)
/home/ubuntu/anaconda2/lib/python2.7/site-packages/pandas/core/frame.pyc in from_records(cls, data, index, exclude, columns, coerce_float, nrows)
967 else:
968 arrays, arr_columns = _to_arrays(data, columns,
--> 969 coerce_float=coerce_float)
970
971 arr_columns = _ensure_index(arr_columns)
/home/ubuntu/anaconda2/lib/python2.7/site-packages/pandas/core/frame.pyc in _to_arrays(data, columns, coerce_float, dtype)
5277 if isinstance(data[0], (list, tuple)):
5278 return _list_to_arrays(data, columns, coerce_float=coerce_float,
-> 5279 dtype=dtype)
5280 elif isinstance(data[0], collections.Mapping):
5281 return _list_of_dict_to_arrays(data, columns,
/home/ubuntu/anaconda2/lib/python2.7/site-packages/pandas/core/frame.pyc in _list_to_arrays(data, columns, coerce_float, dtype)
5355 def _list_to_arrays(data, columns, coerce_float=False, dtype=None):
5356 if len(data) > 0 and isinstance(data[0], tuple):
-> 5357 content = list(lib.to_object_array_tuples(data).T)
5358 else:
5359 # list of lists
TypeError: Argument 'rows' has incorrect type (expected list, got tuple)
1条答案
按热度按时间o8x7eapl1#
我不知道“pd.read\u sql”在使用chunksize时不返回元组列表的原因。事实上,“pd.read\u sql”不会引发版本“0.23.4”的任何错误。但我也尝试了Pandas版本“0.16.2”,在那里我遇到了和你一样的错误。所以请在编写脚本之前检查您的Pandas版本。但我知道一种方法可以克服Pandas版本“0.16.2”中的错误。
Pandas版本0.16.2