Python sqlite3:两个数据库中表的差异

时间:2014-02-21 17:06:00

标签: python sqlite

我有两个具有相同架构的数据库,我想在其中一个表上有效地执行差异。即只返回唯一记录,折扣主键。

columns = zip(*db1.execute("PRAGMA table_info(foo)").fetchall())[1]
db1.execute("ATTACH DATABASE '/path/to/db1.db' AS db1")
db1.execute("ATTACH DATABASE '/path/to/db2.db' AS db2")
db2.execute("ATTACH DATABASE '/path/to/db1.db' AS db1")
db2.execute("ATTACH DATABASE '/path/to/db2.db' AS db2")
data = db2.execute("""
    SELECT 
        one.* 
    FROM 
        db1.foo AS one 
        JOIN db2.foo 
        AS two 
    WHERE {}
    """.format(' AND '.join( ['one.{0}!=two.{0}'.format(c) for c in columns[1:]]))
).fetchall()

即忽略主键(在本例中为meow),不要返回两个数据库中存在相同的记录。

foo中的表格db1如下所示:

meow    mix    please   deliver
1       123    abc
2       234    bcd      two
3       345    cde

foo中的表格db2如下:

meow    mix    please   deliver
1       345    cde
2       123    abc      one
3       234    bcd      two     
4       456    def      four

所以来自db2的唯一条目是:

[(2, 123, 'abc', 'one'), (4, 456, 'def', 'four')]

这就是我得到的。如果我有两列以上,这很有效。但是如果只有两个,即主键和诸如查找表中的值:

bar  baz         bar   baz
1    123         1     234
2    234         2     345
3    345         3     123
                 4     456

我得到所有非唯一值重复N-1次,唯一值重复N次,其中N是db1中的记录数。我理解为什么会这样,但我不知道如何解决它。

[(1, '234'),
 (1, '234'),
 (2, '345'),
 (2, '345'),
 (3, '123'),
 (3, '123'),
 (4, '456'),
 (4, '456'),
 (4, '456')]

我有一个想法是在拉出所有重复结果后取出模数:

N = db1.execute("SELECT Count(*) FROM foo").fetchone()[0]
data = [
     list(data) 
     for data,n in itertools.groupby(sorted(data)) 
     if np.mod(len(list(n)),N)==0
]

哪种方法有效:

[[4, '456']]

但这看起来很混乱,如果可能的话,我想在第一个SQL查询中完成所有操作。

此外,在大型表(我的真实数据库有~10k记录)上,这需要很长时间。有什么办法优化这个?谢谢!

1 个答案:

答案 0 :(得分:3)

取代我之前的答案 - 这是一个很好的通用解决方案。

输入表格如下:

sqlite> select * from t1;
meow        mix         please      delivery  
----------  ----------  ----------  ----------
1           123         abc                   
2           234         bcd         two       
3           345         cde                   

sqlite> select * from t2;
meow        mix         please      delivery  
----------  ----------  ----------  ----------
1           345         cde                   
2           123         abc         one       
3           234         bcd         two       
4           456         def         four      

您可以像这样获取t2 /不在t1(忽略PK)的记录:

select sum(q1.db), mix, please, delivery from (select 1 as db, mix, please,
delivery from t1 union all select 2 as db, mix, please, delivery from t2) q1
group by mix, please, delivery having sum(db)=2; 

sum(q1.db)  mix         please      delivery  
----------  ----------  ----------  ----------
2           123         abc         one       
2           456         def         four      

您可以通过更改having子句中的值来执行不同的set操作。 SUM(DB)=1以1 /不在2中返回记录; SUM(DB)=2以2 /不为1返回记录; SUM(DB)=1 OR SUM(DB)=2返回存在于其中但不存在于两者中的记录;并且SUM(DB)=3返回两者中存在的记录。

唯一不适合你的是返回PK。这不能在我编写的查询中完成,因为GROUP BYSUM操作仅适用于公共/聚合数据,PK字段根据定义是唯一的。如果您知道非PK字段的组合在每个数据库中是唯一的,您可以使用返回的记录创建新查询以查找PK。

请注意,此方法可以很好地扩展到2个以上的表。通过使db字段的幂为2,您可以对任意数量的表进行操作。例如。如果对t1执行1作为db,对于t2执行2作为db,对t3执行4作为db,对t4执行db作为db,则可以通过更改条件来找到所需表的任何相交/差异 - 例如HAVING SUM(DB)=5将返回t1和t3中的记录,但不返回t2或t4中的记录。