关于python：SQL迭代列的不同值并为每个值构建数据框

SQL iterate over distinct values of a column and build a data frame for each value

我有一个如下所示的表：

1
2
3
4
5
6

|A|B|C|D|
|---|---|---|---|
|1|b1|c1|d1|
|1|b2|c2|d2|
|2|b3|c3|d3|
|2|b4|c4|d4|

我想迭代A的不同值并从剩余的列中构建一个pandas数据帧，然后使用该表进行计算。我尝试了以下方法：

1
2
3
4
5
6

import sqlite3
import pandas as pd
conn = sqlite3.connection('my_db.db')
c = conn.cursor()
for entry in c.execute("SELECT DISTINCT A in table):
df = pd.DataFrame(c.execute("SELECT * FROM table WHERE A = ?", (entry[0],)).fetchall())

这不起作用，因为构建数据帧的第二个游标对象会覆盖我正在迭代的游标对象。我还发现你不能有两个游标对象。我应该如何解决这个问题？

考虑使用pandas的read_sql(在传递游标值时使用参数化)并迭代地将每个数据帧保存到字典中，其中引用键是相应的不同值(dict路由避免了全局环境中的多个dfs)：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

import sqlite3
import pandas as pd

conn = sqlite3.connect('my_db.db')
c = conn.cursor()

dfDict = {}
for entry in c.execute("SELECT DISTINCT A FROM table"):
strSQL ="SELECT * FROM table WHERE A = :nameofparam"
dfDict[entry[0]] = pd.read_sql(strSQL, conn, params={'nameofparam': entry[0]})

c.close()
conn.close()

for k, v in dfDict.items():
print(k, '
', v.head())