Konversi SQLAlchemy ORM ke DataFrame pandas

Topik ini sudah lama tidak dibahas, di sini atau di tempat lain. Apakah ada solusi untuk mengonversi SQLAlchemy <Query object>menjadi DataFrame pandas?

Panda memiliki kemampuan untuk digunakan, pandas.read_sqltetapi ini membutuhkan penggunaan SQL mentah. Saya memiliki dua alasan untuk menghindarinya: 1) Saya sudah memiliki segalanya menggunakan ORM (alasan yang bagus dalam dan dari dirinya sendiri) dan 2) Saya menggunakan daftar python sebagai bagian dari kueri (misalnya: di .db.session.query(Item).filter(Item.symbol.in_(add_symbols)mana Itemkelas model saya dan add_symbolsdaftar). Ini sama dengan SQL SELECT ... from ... WHERE ... IN.

Apakah ada yang mungkin?

Di bawah ini seharusnya berfungsi dalam banyak kasus:

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

Lihat pandas.read_sqldokumentasi untuk informasi lebih lanjut tentang parameter.

Untuk memperjelas hal ini bagi pemrogram panda pemula, berikut adalah contoh konkretnya,

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

Di sini kami memilih keluhan dari tabel keluhan (model sqlalchemy adalah Keluhan) dengan id = 2

Solusi yang dipilih tidak berhasil untuk saya, karena saya terus mendapatkan kesalahan

AttributeError: Objek 'AnnotatedSelect' tidak memiliki atribut 'lower'

Saya menemukan yang berikut berhasil:

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

Jika Anda ingin mengompilasi kueri dengan parameter dan argumen khusus dialek, gunakan sesuatu seperti ini:

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)