在vscode中安装jupyter

Jupyter 的安装及使用，超详细懂中文就会_jupyter安装-CSDN博客

修改jupyter 默认浏览器

1. 生成 Jupyter 配置文件

如果你还没有 Jupyter 的配置文件，可以通过终端以下命令生成：

jupyter notebook --generate-config

执行该命令后，会在你的用户目录下生成一个名为 .jupyter 的文件夹，其中包含 jupyter_notebook_config.py 配置文件。

2. 找到配置文件路径

一般来说，配置文件的路径在不同操作系统下有所不同：

• Windows：C:\Users\你的用户名\.jupyter\jupyter_notebook_config.py

3. 编辑配置文件

使用文本编辑器打开 jupyter_notebook_config.py 文件，找到以下行（通常这行是被注释掉的，以 # 开头）：

# c.NotebookApp.browser = ''

去掉这行前面的 # 注释符号，然后在其下方添加指定浏览器的代码。 

终端打开

jupyter notebook

运行当前单元格并选中下一个单元格

• 快捷键：Shift + Enter

运行当前单元格但不移动选中单元格

• 快捷键：Ctrl + Enter 

运行当前单元格并在下方插入新单元格

• 快捷键：Alt + Enter

在命令模式下(选中代码块头部）

• A：在当前单元格上方插入一个新的单元格。
• B：在当前单元格下方插入一个新的单元格。
• Y：将当前单元格的类型设置为代码单元格。
• M：将当前单元格的类型设置为 Markdown 单元格。
• D + D：快速按下两次 D 键，可以删除当前选中的单元格。

 

import pymysql
import pandas as pd
# 连接mysql
conn = pymysql.connect(host='你的主机名', user='用户名',password='密码',database='数据库名称',charset="utf8")
sql_1 = "select * from table_name limit 10"
#利用pandas直接获取数据
data = pd.read_sql(sql_1, conn)
conn.close()

点new python3

 

重启内核

 

在 Jupyter Notebook 里若不借助 Python 语句，单纯使用 SQL 来操作 MySQL 数据库，你可以借助 ipython-sql 这个扩展工具。下面是详细的操作步骤与示例： 

1. 安装 ipython-sql 扩展

运用 pip 来安装 ipython-sql 扩展： 终端 pip install 

在 Jupyter Notebook 的代码单元格中输入以下命令并运行：

python

!pip install ipython-sql

安装完成后，你可以通过加载 ipython-sql 扩展来验证是否安装成功，在新的代码单元格中输入并运行以下代码：

%load_ext sql

如果你想使用 pandas 通过 SQL 查询来获取数据，你需要先创建一个 SQLAlchemy engine 连接对象。下面是如何设置和使用它的步骤：

1. 安装 SQLAlchemy 和 pymysql

如果你还没有安装 SQLAlchemy 和 pymysql，你可以通过以下命令安装：

pip install sqlalchemy pymysql

2. 创建数据库连接

使用 SQLAlchemy 来创建连接对象：

from sqlalchemy import create_engine# 创建数据库连接
engine = create_engine('mysql+pymysql://root:123456@localhost:3306/my_db')# 执行查询
import pandas as pd
query = "SELECT * FROM p_34bop_og_user"
result = pd.read_sql(query, con=engine)# 输出结果
print(result)

在这段代码中，create_engine 用于创建一个连接到 MySQL 数据库的 engine 对象。你可以根据你的数据库连接信息修改连接字符串（root:123456@localhost:3306/my_db），这里的 root 是用户名，123456 是密码，localhost:3306 是主机和端口，my_db 是数据库名称。

3. 执行查询

pd.read_sql(query, con=engine) 语句将 SQL 查询结果加载到 pandas DataFrame 中。

使用 pymysql 直接执行查询

如果你更倾向于使用 PyMySQL，也可以直接用 PyMySQL 执行查询，避免 SQLAlchemy 参与

只有这个可以用

import pymysql
import pandas as pd# 连接到数据库
connection = pymysql.connect(host='localhost',user='root',password='123456',database='my_db')# 定义查询
query = """
SELECT DISTINCT t1.COD_BRCH_OU_TR AS 机构号,t1.ID_INTL_USER_TR AS 员工号,t1.DATE_REQ AS 时间
FROM p_34tpup_ucap_term_jrn_infoa t1
INNER JOIN P_34BOP_OG_USER t3 ON t1.ID_INTL_USER_TR = t3.ID_INTL_USER_TRAND t3.NUM_ROL_USER in ('990050','990030','990310','990330','990051','990031','990311','990331') -- 柜员身份标识
WHERE NOT EXISTS (SELECT 1FROM p_34tpup_ucap_term_jrn_infoa t2WHERE t2.COD_BRCH_OU_TR = t1.COD_BRCH_OU_TR -- 关联同一机构AND t2.ID_INTL_USER_TR = t1.ID_INTL_USER_TR -- 关联同一员工AND t2.DATE_REQ = t1.DATE_REQ -- 关联同一天AND t2.COD_TR_BOEC_CLI = '61606' -- 操作代码限制AND t2.TIME_START_TR < STR_TO_DATE(CONCAT(t2.DATE_REQ, '140000'), '%Y%m%d%H%i%s.%f') -- 时间 >= 14:00:00);
"""# 使用 PyMySQL 执行查询
with connection.cursor() as cursor:cursor.execute(query)result = cursor.fetchall()columns = [desc[0] for desc in cursor.description]  # 获取列名result_df = pd.DataFrame(result, columns=columns)# 输出结果
print(result_df)# 关闭连接
connection.close()

使用 SQLAlchemy 执行查询

我们可以使用 SQLAlchemy 直接执行查询，并通过 pandas 获取结果。这样可以完全避免 PyMySQL 的格式化问题。

解决方法：使用 text() 包装 SQL 查询

text() 是 SQLAlchemy 提供的一个函数，它将一个普通字符串转换为 SQL 查询的可执行对象。

from sqlalchemy import create_engine, text
import pandas as pd# 创建数据库连接
engine = create_engine('mysql+pymysql://root:123456@localhost:3306/my_db')# 定义查询
query = """
SELECT DISTINCT t1.COD_BRCH_OU_TR AS 机构号,t1.ID_INTL_USER_TR AS 员工号,t1.DATE_REQ AS 时间
FROM p_34tpup_ucap_term_jrn_infoa t1
INNER JOIN P_34BOP_OG_USER t3 ON t1.ID_INTL_USER_TR = t3.ID_INTL_USER_TRAND t3.NUM_ROL_USER in ('990050','990030','990310','990330','990051','990031','990311','990331') -- 柜员身份标识
WHERE NOT EXISTS (SELECT 1FROM p_34tpup_ucap_term_jrn_infoa t2WHERE t2.COD_BRCH_OU_TR = t1.COD_BRCH_OU_TR -- 关联同一机构AND t2.ID_INTL_USER_TR = t1.ID_INTL_USER_TR -- 关联同一员工AND t2.DATE_REQ = t1.DATE_REQ -- 关联同一天AND t2.COD_TR_BOEC_CLI = '61606' -- 操作代码限制AND t2.TIME_START_TR < STR_TO_DATE(CONCAT(t2.DATE_REQ, '140000'), '%Y%m%d%H%i%s.%f') -- 时间 >= 14:00:00);
"""# 通过 SQLAlchemy 执行查询
with engine.connect() as connection:result = connection.execute(text(query))result_df = pd.DataFrame(result.fetchall(), columns=result.keys())# 输出结果
print(result_df)

AND t2.TIME_START_TR < STR_TO_DATE(CONCAT(t2.DATE_REQ, '140000'), '%Y%m%d%H%i%s.%f') -- 时间 >= 14:00:00 因为TIME_START_TR 2023-03-10 11:01:10.978000是这样的格式，t2.DATE_REQ是20230310，加上140000，数字的格式也不一样呀，数字的个数也不同 ，为什么可以这样写呢，还能运行

这部分的作用是将 t2.DATE_REQ（格式为 YYYYMMDD）和 '140000'（代表 14:00:00，即 14 点整）拼接成一个新的字符串，再用 STR_TO_DATE() 转换为一个时间戳。具体来说：

1. t2.DATE_REQ 和 '140000' 拼接

• t2.DATE_REQ 是日期字符串，格式是 YYYYMMDD（例如：20230310）。
• '140000' 是代表 14:00:00 的字符串，表示时间。

拼接后的字符串会是 YYYYMMDD + 140000，比如对于 20230310，拼接后的结果是：20230310140000，这就代表了 2023 年 3 月 10 日的 14:00:00。

2. 使用 STR_TO_DATE() 转换为时间格式

• STR_TO_DATE() 函数将拼接后的字符串转换成 DATETIME 类型。
• 格式化字符串 '%Y%m%d%H%i%s' 告诉 MySQL 如何解析这个拼接的字符串：
  • %Y：四位年份（2023）
  • %m：两位月份（03）
  • %d：两位日期（10）
  • %H：小时（14）
  • %i：分钟（00）
  • %s：秒数（00）

3. 时间比较

• 转换后的 STR_TO_DATE(CONCAT(t2.DATE_REQ, '140000'), '%Y%m%d%H%i%s') 会得到一个 DATETIME 类型的时间（例如：2023-03-10 14:00:00）。
• 然后，t2.TIME_START_TR（如 2023-03-10 11:01:10.978000）会与该时间进行比较，看是否小于 14:00:00。

为什么可以这样做？

• 拼接日期和时间：通过拼接日期和时间，'140000'（即 14:00:00）能被正确地合并到 t2.DATE_REQ 中，形成一个完整的时间字符串。
• STR_TO_DATE() 转换：MySQL 的 STR_TO_DATE() 函数非常灵活，能够根据你指定的格式将字符串转换为时间戳，即使原始数据是纯数字或字符串，能够将其转化为符合日期格式的时间。

总结

• 通过拼接 t2.DATE_REQ（日期）和 '140000'（固定的时间部分），我们构造了一个新的时间字符串（YYYYMMDD140000）。
• 然后，使用 STR_TO_DATE() 函数，将其转换为标准的 DATETIME 格式 YYYY-MM-DD HH:MM:SS。
• 这段 SQL 语句能够判断 t2.TIME_START_TR 是否在 14:00:00 之前。

这个 STR_TO_DATE() 调用确实是将拼接的字符串转换为标准的 DATETIME 格式：YYYY-MM-DD HH:MM:SS，并且会 忽略小数点后的微秒部分。

详细分析：

1. STR_TO_DATE(CONCAT(t2.DATE_REQ, '140000'), '%Y%m%d%H%i%s')

   • 这里的 STR_TO_DATE() 将拼接后的字符串（比如 20230310140000）转换为 DATETIME 类型。
   • 格式 '%Y%m%d%H%i%s' 指定了年、月、日、小时、分钟和秒，但没有包含微秒（即 .%f）。
   • 结果是 不包含微秒部分，只有到秒的精度：2023-03-10 14:00:00。

2. t2.TIME_START_TR 的格式是 YYYY-MM-DD HH:MM:SS.ssssss，包括微秒部分。

   • 当进行比较时，STR_TO_DATE() 转换后的结果是精确到秒的时间，而 t2.TIME_START_TR 仍然保留微秒部分。
   • 由于 STR_TO_DATE() 转换后不包含微秒部分，比较时会默认忽略微秒，只比较到秒。

举个例子：

假设 t2.DATE_REQ 是 20230310（即 2023-03-10），并且我们拼接上 '140000'（表示 14:00:00），得到的结果是 20230310140000，转换后得到的时间是 2023-03-10 14:00:00（没有微秒部分）。

而 t2.TIME_START_TR 可能是 2023-03-10 11:01:10.978000，其中 10.978000 是微秒部分。由于 STR_TO_DATE() 只会转换到秒级别，比较时 t2.TIME_START_TR 的微秒部分会被忽略，只比较到 2023-03-10 11:01:10，因此微秒对结果没有影响。

总结：

• 小数点后的微秒部分在这个查询中是被忽略的，因为 STR_TO_DATE() 中使用的格式 '%Y%m%d%H%i%s' 只处理到秒级别，没有处理微秒。
• 如果你希望包含微秒进行比较，需要调整格式化字符串，比如使用 '%Y%m%d%H%i%s.%f' 来处理微秒部分。

希望这个解释更清楚了！如果你有其他问题或者需要更详细的帮助，随时告诉我！