Question

我对熊猫方法有疑问：read_sql 我从数据库中选择四列，大约选择100行。

import pymysql
sql = "SELECT `opens`,`high`,`low`,`close` FROM `dbname`"
result = ""
try:
    with c as cursor:
      cursor.execute(sql)
      result = cursor.fetchall()
    conn.commit()
finally:
    conn.close()
print(result)

以上示例的结果以正确的格式返回值，而精度为double和存储在数据库中的数据。

opens       high        low         close
0.00016445  0.00016445  0.00016445  0.00016445

但是：

import pandas as pd
df = pd.read_sql(sql,conn,coerce_float=False)
print(df)

结果是：

opens     high      low       close
0.000164  0.000164  0.000164  0.000164

我需要使用数据库中的数据，并且在重新采样数据时会引起很多问题。有人可以帮我吗？

我正尝试更改演员表，并添加了选项'coerce_float = False' 但这似乎毫无价值

编辑9.07.2018-1：

SQL TABLE SHAME：

 CREATE TABLE `dbname` (
  `ids` int(11) NOT NULL AUTO_INCREMENT,
  `timestamp` int(10) unsigned NOT NULL,
  `high` double NOT NULL,
  `low` double NOT NULL,
  `opens` double NOT NULL,
  `close` double NOT NULL,
  `volume` double NOT NULL,
  `weightedAverage` double NOT NULL,
  PRIMARY KEY (`ids`)
) ENGINE=InnoDB AUTO_INCREMENT=16113 DEFAULT CHARSET=latin1

编辑10.07.2018-2： 重采样示例：

df.set_index('timestamp', inplace=True)

#converting timestamp to DatatimeIndex
df.index = pd.to_datetime(df.index, unit='s')
conversion = {'opens': 'first', 'high': 'max', 'low': 'min', 'close': 'last'}

#df = df.resample('15Min', how = conversion, base=0)
 df = df.resample(self.period, closed='right').agg(conversion)
print(df)

编辑11.07.2018-编辑1 对于这个问题，我有部分解决方案：我在执行任何操作前先添加了

pd.set_option('display.float_format', lambda x: ('%.8f' % x).rstrip('.0'))

好的，在该设置下一切正常。我解决了这个问题。也许有人会遇到同样的问题，并迅速找到我的解决方案。

熊猫问题-read_sql

0 个答案: