摘要：而真正的執(zhí)行根據(jù)具體的輸入數(shù)據(jù)，來決定執(zhí)行的后端?？梢钥吹剑褪且粋€統(tǒng)一的數(shù)據(jù)查詢語言，用戶不需要改寫一行代碼，就可以根據(jù)輸入讓數(shù)據(jù)在本地和數(shù)據(jù)庫上執(zhí)行，由于框架的靈活性，我們甚至還可以擴展出非執(zhí)行后端的支持。

摘要： 前幾天，PyODPS發(fā)布了0.7版本，這篇文章給大家介紹下PyODPS新版本帶來的重要特性。 之前也有若干篇文章介紹過了，我們PyODPS DataFrame是延遲執(zhí)行的，在調(diào)用立即執(zhí)行的方法，比如execute、persist等之前，都只是構(gòu)建了表達式。

點此查看原文：http://click.aliyun.com/m/41051/

前幾天，PyODPS發(fā)布了0.7版本，這篇文章給大家介紹下PyODPS新版本帶來的重要特性。

之前也有若干篇文章介紹過了，我們PyODPS DataFrame是延遲執(zhí)行的，在調(diào)用立即執(zhí)行的方法，比如execute、persist等之前，都只是構(gòu)建了表達式。而真正的執(zhí)行根據(jù)具體的輸入數(shù)據(jù)，來決定執(zhí)行的后端。

比如，我們可以根據(jù)輸入是pandas DataFrame（本地數(shù)據(jù)），還是MaxCompute Table（MaxCompute數(shù)據(jù)）來決定是在本地執(zhí)行，還是在MaxComput上執(zhí)行。

In [1]: import pandas as pd

In [2]: pd_df = pd.DataFrame({"a": range(3)})

In [3]: from odps.df import DataFrame

In [4]: df = DataFrame(pd_df)  # 本地數(shù)據(jù)

In [5]: df.a.sum()
|==========================================|   1 /  1  (100.00%)         0s
3

In [6]: %load_ext odps

In [7]: %enter
Out[7]: 

In [8]: df = DataFrame(o.get_table("pyodps_iris"))  # MaxCompute數(shù)據(jù)

In [9]: df.sepal_width.sum()
|==========================================|   1 /  1  (100.00%)        15s
458.10000000000014

數(shù)據(jù)庫執(zhí)行

來到了0.7版本，我們的后端武器庫進一步擴充，現(xiàn)在我們支持Postgresql和MySQL，原則上我們支持所有的主流數(shù)據(jù)庫，但我們只在這兩個數(shù)據(jù)庫上做了測試。

我們的數(shù)據(jù)庫執(zhí)行后端使用 sqlalchemy 實現(xiàn)，想要執(zhí)行還需要對應(yīng)數(shù)據(jù)庫的driver。

現(xiàn)在，如果DataFrame輸入的數(shù)據(jù)是sqlalchemy Table，那么我們就可以使用數(shù)據(jù)庫后端來執(zhí)行。

In [24]: mysql_engine = sqlalchemy.create_engine("mysql://root:123@localhost/movielens") 

In [25]: metadata = sqlalchemy.MetaData(bind=mysql_engine)   # 需要綁定engine

In [26]: table = sqlalchemy.Table("top_users", metadata, extend_existing=True, autoload=True)

In [27]: top_users = DataFrame(table)

In [28]: top_users.age.sum()
|==========================================|   1 /  1  (100.00%)         0s
763

對于postgresql也是一樣。 值得注意的是，現(xiàn)在還有部分DataFrame操作，比如自定義函數(shù)尚未支持數(shù)據(jù)庫后端 。

可以看到，PyODPS DataFrame就是一個統(tǒng)一的數(shù)據(jù)查詢語言，用戶不需要改寫一行代碼，就可以根據(jù)輸入讓數(shù)據(jù)在MaxCompute、本地和數(shù)據(jù)庫上執(zhí)行，由于DataFrame框架的靈活性，我們甚至還可以擴展出非SQL執(zhí)行后端的支持。

JOIN或者UNION數(shù)據(jù)庫和MaxCompute數(shù)據(jù)

過去 一篇文章 提到過，我們可以join或者union本地和MaxCompute上的數(shù)據(jù)，這樣的典型場景就是，比如我有個本地excel文件，我可以輕松讀取成本地DataFrame，然后直接就可以和MaxCompute數(shù)據(jù)進行操作，省去了一大堆麻煩的過程。

現(xiàn)在，我們也同樣可以join 數(shù)據(jù)庫和MaxCompute上的數(shù)據(jù)，試想，有一堆用戶數(shù)據(jù)是在數(shù)據(jù)庫中進行處理，然后我們無需經(jīng)過同步數(shù)據(jù)等繁瑣的過程，我們就可以直接join 數(shù)據(jù)庫和MaxCompute上的數(shù)據(jù)，這是何其方便的事情。

比如：

In [29]: ratings = o.get_table("movielens_ratings").to_df()

In [32]: female_top_users = top_users[top_users.sex == "F"]  # MySQL中的數(shù)據(jù)

In [33]: ratings.join(female_top_users).rating.mean()
|==========================================|   1 /  1  (100.00%)        14s
2.9451170298627924

總結(jié)

我們PyODPS一直處在快速迭代的過程中，我們所有所做的努力，都是為了讓大家以更好的體驗來進行數(shù)據(jù)分析和機器學習。盡管我們很努力，但精力畢竟有限，難免會有bug，會有功能不完善。希望大家能給我們提issue，能貢獻代碼就更好啦。

項目文檔：http://pyodps.readthedocs.io
項目地址：https://github.com/aliyun/ali...
提issue：https://github.com/aliyun/ali...

釘釘掃碼：