Подписывайтесь на канал @apache_superset_bi, чтобы быть в курсе последних новостей про Apache Superset

Содержание

Как сгенерировать таблицу в PostgreSQL с помощью SQL

CREATE TABLE my_db_schema.my_table_for_superset (
    datetime TIMESTAMP,
    category_1 VARCHAR(255),
    category_2 VARCHAR(255),
    product VARCHAR(255),
    customer VARCHAR(255),
    item_cnt INTEGER,
    item_price DOUBLE PRECISION
);

-- Генерируем данные для table_1
INSERT INTO my_db_schema.my_table_for_superset (datetime, category_1, category_2, product, customer, item_cnt, item_price)
SELECT
    NOW() - INTERVAL '1 day' * (random() * 365)::float,
    'Category1_' || (random() * 5 + 1)::int,
    'Category2_' || (random() * 7 + 1)::int,
    'Product_' || (random() * 39 + 1)::int,
    'Customer_' || (random() * 1000 + 1)::int,
    (random() * 10 + 1)::int,
    (random() * 100 + 1)::numeric(10, 2)
FROM generate_series(1, 1000);

SELECT *
FROM my_db_schema.my_table_for_superset
LIMIT 10
;

Как сгенерировать таблицу с тестовыми данными для Apache Superset в ClickHouse

CREATE TABLE my_table_for_superset (
    datetime DateTime,
    category_1 String,
    category_2 String,
    product String,
    customer String,
    item_cnt Int32,
    item_price Float64
) ENGINE = MergeTree
ORDER BY (datetime, category_1, category_2, product, customer);


INSERT INTO my_table_for_superset (datetime, category_1, category_2, product, customer, item_cnt, item_price)
SELECT
    now() - toIntervalSecond(rand() % (365 * 24 * 60 * 60)) AS datetime,
    'Category' || toString(rand() % 3 + 1) AS category_1,
    'SubCategory' || toString(rand() % 5 + 1) AS category_2,
    'Product' || toString(rand() % 10 + 1) AS product,
    'Customer' || toString(rand() % 100 + 1) AS customer,
    randUniform(1,10)::Int AS item_cnt,
    randUniform(15.5, 299.99) AS item_price
FROM system.numbers LIMIT 1000;

SELECT *
FROM my_table_for_superset
LIMIT 10;

Результат:

Вставка данных из csv (dataframe) в ClickHouse с автоматической генерацией CREATE TABLE

Ниже приведен python скрипт, с помощью которого можно загрузить данные из csv, excel, txt, parquet и т.п. источников в Dataframe (pandas) и затем этот DataFrame вставить в сгенерированную таблицу в ClickHouse.

Соответствие типов между форматами pandas и ClickHouse в примере не полное, возможно придется подкрутить.

#====================================
# Пример вставки данных в ClickHouse
# Установка библиотек
# pip install clickhouse_connect
#====================================

import pandas as pd
import numpy as np
import random
from datetime import datetime, timedelta
import clickhouse_connect
from dateutil.relativedelta import relativedelta

#====================================
# Подключение к ClickHouse
#====================================

# Создание клиента для подключения к ClickHouse
client = clickhouse_connect.get_client(host='11.11.11.11', port='8123', user='login', password='password')


#====================================
# Загрузка данных в dataframe
#====================================

data_df = pd.read_csv('/file_path_location/Amazon Sale Report.csv')

#====================================
# Форматирование данных в колонках
#====================================

# Преобразование строки в дату
data_df['Date'] = pd.to_datetime(data_df['Date'], format='%m-%d-%y')

print(data_df.head())

print(data_df.dtypes)

#======================================
# Создание sql запроса для CREATE TABLE
#======================================

# Словарь типов данных ClickHouse
clickhouse_types = {
    'object': 'String',
    'int64': 'Int64',
    'datetime64[ns]': 'DateTime',
    'float64': 'Float64',
    'bool': 'Bool'
}

# Список столбцов для ORDER BY
order_by_columns = ['Status']

# Название таблицы в ClickHouse
table_name_for_ch = 'amazon_sale_report'

# Генерация SQL-запроса на создание таблицы
create_table_sql = f"CREATE TABLE IF NOT EXISTS {table_name_for_ch} ("

for column_name, dtype in data_df.dtypes.items():
    create_table_sql += f"\n    `{column_name}` {clickhouse_types[str(dtype)]},"

create_table_sql = create_table_sql.rstrip(',')  # Удаление последней запятой
create_table_sql += "\n) ENGINE = MergeTree()"
create_table_sql += f"\n ORDER BY ({', '.join(order_by_columns)})"  # Склеивание имен столбцов для ORDER BY
print(create_table_sql)

#====================================
# Заполнение пропусков данных 
# в Dataframe в колонках
#====================================

# Проход по каждой колонке DataFrame
for column in data_df.columns:
    # Получение типа данных текущей колонки
    dtype = data_df[column].dtype

    # Проверка типа данных и заполнение в соответствии с условиями
    if dtype == 'object':  # строковый тип данных
        data_df[column].fillna('(no_info)', inplace=True)
    elif dtype == 'int64':  # целочисленный тип данных
        data_df[column].fillna(0, inplace=True)
    elif dtype == 'float64':  # вещественный тип данных
        data_df[column].fillna(0, inplace=True)

#====================================
# Удаление и создание заново таблицы
#====================================

client.command(f'DROP TABLE IF EXISTS {table_name_for_ch}')
client.command(create_table_sql)

#=========================================
# Вставка данных из dataFrame в ClickHouse
#=========================================

# Sending data to ClickHouse
client.insert_df(table_name_for_ch, data_df)

#====================================
# Проверка количества вставленных 
# строк в таблицу в ClickHouse
#====================================

# Check count of rows in the table
result_df = client.query_df(f'SELECT count(1) FROM {table_name_for_ch}')
print(f'Количество строк данных в таблице "{table_name_for_ch}"')
print(result_df.dtypes)
print()
print(result_df)