Guia de Datasets do PyGWalker

Este guia explica como usar o PyGWalker com várias fontes de dados, incluindo diferentes bibliotecas de DataFrame e bancos de dados.

Trabalhando com DataFrames

O PyGWalker suporta várias bibliotecas de DataFrame. Veja como usá-las:

Pandas

import pygwalker as pyg
import pandas as pd
 
df = pd.read_csv("data.csv")
walker = pyg.walk(df)

Polars

import pygwalker as pyg
import polars as pl
 
df = pl.read_csv("data.csv")
walker = pyg.walk(df)

Modin

import pygwalker as pyg
import modin.pandas as mpd
 
df = mpd.read_csv("data.csv")
walker = pyg.walk(df)

Trabalhando com Bancos de Dados

O PyGWalker pode se conectar a vários bancos de dados usando SQLAlchemy. Veja como configurá-lo:

Usando o Conector

Para conectar a um banco de dados, use a classe Connector:

from pygwalker.data_parsers.database_parser import Connector
 
conn = Connector(
    "snowflake://username:password@host/database/schema",
    """
        SELECT
            *
        FROM
            XXX
    """
)

Parâmetros do Conector

Exemplos Específicos de Bancos de Dados

Snowflake

from pygwalker.data_parsers.database_parser import Connector
import pygwalker as pyg
 
conn = Connector(
    "snowflake://username:password@host/database/schema",
    "SELECT * FROM table_name"
)
 
walker = pyg.walk(conn)

PostgreSQL

from pygwalker.data_parsers.database_parser import Connector
import pygwalker as pyg
 
conn = Connector(
    "postgresql+psycopg2://username:password@host:port/database",
    "SELECT * FROM table_name"
)
 
walker = pyg.walk(conn)

Outros Bancos de Dados

O PyGWalker suporta todos os bancos de dados compatíveis com SQLAlchemy. Para usar um banco de dados específico:

1. Consulte a documentação do SQLAlchemy para o formato correto da URL.
2. Instale o driver apropriado do banco de dados.
3. Use a classe Connector com a URL e consulta SQL corretas.

Para mais informações sobre bancos de dados suportados e suas configurações, consulte a documentação do SQLAlchemy.