我想插入一个数组,其中包含从 Python 中的 Pandas 创建的空值,这些空值默认为 Pandas 数据帧中的 np.nan。我不希望它们在我的PostgreSQL数据库中是"NaN",我希望我的PostgreSQL数组包含这样的空值:'{123,24,,23}'
这样它们就不会计入我的聚合函数中,例如计算指数之间的平均值或标准偏差。我不确定是否可以在PostgreSQL中使用稀疏数组。我的数据集中不会有很多稀疏数组,我只是出于边缘情况的目的对其进行测试。
我的表架构:
create_table = '''
CREATE TABLE {t} (
patient_id VARCHAR[20] PRIMARY KEY,
gene_expression double precision []
);
'''
相关的 Python 代码(我不知道如何在这里编写正确的 SQL 代码(。在这里,我将数组转换为字符串,因为 Python 数组不能是稀疏的:
df = df.fillna('')
NCI = [1]
MCI = [2,3]
AD = [4,5]
other = [6]
insert_sql = '''
INSERT INTO {t} (patient_id, gene_expression)
VALUES (%s,%s);
'''
cur = psql_conn.cursor()
for index, row in df.iterrows():
arr = row[2:].tolist()
postgres_arr = ','.join(map(str, arr))
if row['DIAGNOSIS'].isdigit():
if int(row['DIAGNOSIS']) in NCI:
cur.execute(insert_sql.format(t='nci'), (row['PATIENT_ID'], postgres_arr,))
elif int(row['DIAGNOSIS']) in MCI:
cur.execute(insert_sql.format(t='mci'), (row['PATIENT_ID'], postgres_arr,))
elif int(row['DIAGNOSIS']) in AD:
cur.execute(insert_sql.format(t='ad'), (row['PATIENT_ID'], postgres_arr,))
elif int(row['DIAGNOSIS']) in other:
cur.execute(insert_sql.format(t='other'), (row['PATIENT_ID'], postgres_arr,))
elif row['DIAGNOSIS'] == '':
cur.execute(insert_sql.format(t='na'), (row['PATIENT_ID'], postgres_arr,))
else:
print('ERROR: unknown diagnosis {d}.'.format(d=diagnosis))
psql_conn.commit()
cur.close()
我的错误:
psycopg2.DataError: malformed array literal: "{2.0,2.4,}"
LINE 3: VALUES ('X100_120417','{2.0,2.4,}');
^
DETAIL: Unexpected "}" character.
经过几个小时的反复试验:
从某个 CSV 文件加载此熊猫数据帧 df:
+----+-------+--------------+
| id | stuff | array |
+----+-------+--------------+
| 0 | a | {1,2,3} |
| 1 | b | {1,np.nan,3} |
| 2 | 45 | {np.nan,4,2} |
+----+-------+--------------+
熊猫的处理使用以下方法:
df = df.fillna('NULL')
insert_sql = '''
INSERT INTO {t} (patient_id, gene_expression)
VALUES (%s,%s);
'''
for index, row in df.iterrows():
arr = row[2:].tolist()
postgres_arr = '{' + ','.join(map(str,arr)) + '}'
cur.execute(insert_sql.format(t='my_table'), (row['id'], postgres_arr,))
我的主要问题是认识到字符串文字"NULL"会自动转换为 PostgreSQL NULL 关键字,该关键字在计算中被忽略,聚合函数的结果返回一个值,就好像 NULL 值不存在一样,而 NaN 关键字,其中每个操作都会导致 NaN。
如果要创建具有最大长度的列,请使用方括号,而不是方括号。 在创建表语句中将VARCHAR[20]
更改为VARCHAR(20)
。否则,第一个%s
应该是数组,它是varchar。这是示例 - 请注意,patient_id 是作为数组创建的,而不是 varchar...
t=# CREATE TABLE so23 (
patient_id VARCHAR[20] PRIMARY KEY,
gene_expression double precision []
);
CREATE TABLE
t=# d+ so23
Table "public.so23"
Column | Type | Modifiers | Storage | Stats target | Description
-----------------+---------------------+-----------+----------+--------------+-------------
patient_id | character varying[] | not null | extended | |
gene_expression | double precision[] | | extended | |
Indexes:
"so23_pkey" PRIMARY KEY, btree (patient_id)