实习--Day11

8/5

开发注意事项：

• 代码可能会出错的地方至少要加上try-----catch，不然都要加上装饰器（比如日志方法）

pandas的：

• 读取excel的数据到dataframe中，df = pandas.read_excel(filepath)
• df.dropna()：去除NaN的行

navicat中到处表结构以及数据文件：

点击-->转储

 

pandas的to_sql的一些注意事项

• 不能使用pymysql和mysqldb，要使用sqlalchemy，或者sqlite3（比较少用）
• from sqlalchemy import create_engine
• con = create_engine("mysql+pymsql://root:password@host:port/databasename?charset=utf8")
• 最后把df.to_sql(tablename, con=con, if_exists={'fail','replace','append'}, index=False)
• append：如果表存在，把数据插入，否则创建一个新表
• fail：表不存在，啥也不做，存在就插入数据
• replace：表存在就删了表，再建立一个新表，再把数据插入
• index=False：表示不把excel中的下标写入数据表中，因为有可能数据表没有这个字段，会报错

 

新工作：

• 把analysis_main中的analyse_compt_aim，修改aims_task，通过complaint_info的值来看有没有在产品list里面，拼接成一个字符串返回，应用到t_df的compt_aims字段（本来是走模型来分析产品名的，可能是模型不太行）
• dao得到的数据是((),(),())，内层括号是每一行的数据，所以我们要进行进一步的解析，[item[0] for item in reslist]
• t_df是worksheet表的映像
• apply函数的使用，比for更高效，不会修改原有字段，会生成一个临时列表
• apply是对每一行进行处理