SQLAlchemy ORM-Konvertierung in Pandas DataFrame

Dieses Thema wurde seit einiger Zeit weder hier noch anderswo angesprochen. Gibt es eine Lösung, die eine SQLAlchemy <Query object>in einen Pandas DataFrame konvertiert?

Pandas kann verwendet werden pandas.read_sql, dies erfordert jedoch die Verwendung von unformatiertem SQL. Ich habe zwei Gründe, dies vermeiden zu wollen: 1) Ich habe bereits alles mit dem ORM (ein guter Grund für sich) und 2) Ich verwende Python-Listen als Teil der Abfrage (z. B. .db.session.query(Item).filter(Item.symbol.in_(add_symbols)wo Itemist meine Modellklasse? und add_symbolsist eine Liste). Dies entspricht SQL SELECT ... from ... WHERE ... IN.

Ist alles möglich?

Unten sollte in den meisten Fällen funktionieren:

df = pd.read_sql(query.statement, query.session.bind)

pandas.read_sqlWeitere Informationen zu den Parametern finden Sie in der Dokumentation.

Um dies für unerfahrene Pandas-Programmierer klarer zu machen, hier ein konkretes Beispiel:

pd.read_sql(session.query(Complaint).filter(Complaint.id == 2).statement,session.bind) 

Hier wählen wir eine Beschwerde aus der Beschwerde-Tabelle (sqlalchemy-Modell ist Beschwerde) mit id = 2 aus

Die ausgewählte Lösung hat bei mir nicht funktioniert, da ich immer wieder den Fehler bekam

AttributeError: Das Objekt 'AnnotatedSelect' hat kein Attribut 'lower'.

Ich fand folgendes funktioniert:

df = pd.read_sql_query(query.statement, engine)

Wenn Sie eine Abfrage mit Parametern und dialektspezifischen Argumenten kompilieren möchten, verwenden Sie Folgendes:

c = query.statement.compile(query.session.bind)
df = pandas.read_sql(c.string, query.session.bind, params=c.params)

from sqlalchemy import Column, Integer, String, create_engine
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker

engine = create_engine('postgresql://postgres:postgres@localhost:5432/DB', echo=False)
Base = declarative_base(bind=engine)
Session = sessionmaker(bind=engine)
session = Session()

conn = session.bind

class DailyTrendsTable(Base):

    __tablename__ = 'trends'
    __table_args__ = ({"schema": 'mf_analysis'})

    company_code = Column(DOUBLE_PRECISION, primary_key=True)
    rt_bullish_trending = Column(Integer)
    rt_bearish_trending = Column(Integer)
    rt_bullish_non_trending = Column(Integer)
    rt_bearish_non_trending = Column(Integer)
    gen_date = Column(Date, primary_key=True)

df_query = select([DailyTrendsTable])

df_data = pd.read_sql(rt_daily_query, con = conn)