PyGWalker 数据集指南

本指南介绍了如何将 PyGWalker 与各种数据源一起使用，包括不同的 DataFrame 库和数据库。

使用 DataFrame

PyGWalker 支持多种 DataFrame 库。以下是使用方法：

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)

使用数据库

PyGWalker 可以通过 SQLAlchemy 连接到各种数据库。以下是设置方法：

使用连接器

要连接到数据库，请使用 Connector 类：

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

连接器参数

参数	类型	默认值	描述
url	str	-	数据库 URL（参考 SQLAlchemy 文档）
view_sql	str	-	选择数据的 SQL 查询
engine_params	Optional[Dict[str, Any]]	无	其他引擎参数（参考 SQLAlchemy 文档）

特定数据库示例

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)

其他数据库

PyGWalker 支持所有与 SQLAlchemy 兼容的数据库。使用特定数据库的方法：

参考 SQLAlchemy 文档获取正确的 URL 格式。
安装相应的数据库驱动。
使用具有正确 URL 和 SQL 查询的 Connector 类。

有关支持的数据库及其配置的更多信息，请查阅 SQLAlchemy 文档。

快速上手 Use in Jupyter