dataset 1.6.2 documentation
Although managing data in relational databases has plenty of benefits, they’re rarely used in day-to-day work with small to medium scale datasets. But why is that? Why do we see an awful lot of data stored in static files in CSV or JSON format, even though they are hard to query and update incrementally? The answer is that programmers are lazy, and thus they tend to prefer the easiest solution the
ŷhat | SQL for pandas DataFrames
@blcartwright This post has a good example of connecting R to various DB drivers, along with other useful R packages. blog.yhathq.com/posts/10-R-pac? — Albert Lyu (@thinkbluecrew) February 19, 2013 10 R packages I wish I knew about earlier zite.to/YThLiN > including RODBC for getting data from SQL Server — Phil_Factor (@Phil_Factor) February 12, 2013 R packages I wish I knew about earlier bit.ly/1
Pythonで色々なデータベースを操作する - Qiita
Pythonで主だったデータベースを操作する方法を記述する。 Pythonは2.xと3.x両方でWindows環境で実行している。 また、テストデータは下記のページのT01Prefecture.zipを解凍してテーブルとデータを使うものとする。 PHPプログラミング初心者入門講座 http://php5.seesaa.net/article/61269550.html MySQL 環境 Python2.7 または3.3 MySQL 5.6.15 データベースの設定 テーブル CREATE TABLE `t01prefecture` ( `PREF_CD` int(3) NOT NULL DEFAULT '0', `PREF_NAME` varchar(10) DEFAULT NULL, PRIMARY KEY (`PREF_CD`) ) ENGINE=InnoDB D DELIMITER
SQLite + Pythonユーザ定義関数組込で進捗ダメじゃないですになりました - あんちべ！
概要 これまで「Hiveからデータ取得・簡単な加工→Pythonで加工・分析」 という流れで作業していたのですが、 Hive→SQLite→Pythonという流れにしたところ進捗が改善されたので、 SQLiteの簡単な使い方とPythonによるSQLユーザ定義関数の組込方法 についてメモを残しておきます。 特にユーザ定義関数の組込を自由に出来ると、 分析する際、相当楽になるということに気付きました。 SQLite挟むことで何がどう改善されたの？ Hiveはデカいデータをゴリゴリ取ってくる分には SQLちょっと書くだけで済むので大変便利ですが、 初動遅いためちょこちょこ小さいデータを何度も取ろうとするとストレス溜まります。 そのため、これまではある程度のデータをまとめてHiveで落としてきて Pythonで加工してから分析するという流れを取っていました。 ただ加工するために似たようなコード何
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
処理を実行中です
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
https://blog.yuku-t.com/entry/20110723/1311387822
オブジェクトリレーショナルマッパ チュートリアル — SQLAlchemy 0.6.5 ドキュメント (和訳)
