AI应用开发-python对MySQL数据的常见使用

AI应用开发相关目录

本专栏包括AI应用开发相关内容分享，包括不限于AI算法部署实施细节、AI应用后端分析服务相关概念及开发技巧、AI应用后端应用服务相关概念及开发技巧、AI应用前端实现路径及开发技巧
适用于具备一定算法及Python使用基础的人群

1. AI应用开发流程概述
2. Visual Studio Code及Remote Development插件远程开发
3. git开源项目的一些问题及镜像解决办法
4. python实现UDP报文通信
5. python实现日志生成及定期清理
6. Linux终端命令Screen常见用法
7. python实现redis数据存储
8. python字符串转字典
9. python实现文本向量化及文本相似度计算
10. python对MySQL数据的常见使用

---

文章目录

• AI应用开发相关目录
• • 一、MySQL数据库的安装与使用
  • 二、代码示例
  • 三、总结

---

一、MySQL数据库的安装与使用

安装

详见：

https://blog.csdn.net/weixin_39289696/article/details/128850498

概括为：

离线安装包下载（msi文件，几百MB），Service only，检测mv C++

2019插件是否安装并完成安装，一路next，配置port，密码验证方式（Authentication

Method）这一步很重要（第一个是强密码校验，mysql推荐使用最新的数据库和相关客户端，MySQL8换了加密插件，所以如果选第一种方式，很可能导致你的navicat等客户端连不上mysql8），设置密码，需要牢记，因为后面要用这个密码连接数据库，用户名为root，最终更改mysql名称（mysql、mysql80等），服务器文件权限（Server

File Permissions）

使用

使用Navicat可轻松实现对数据的链接、库操作(增删改)、表操作（增删改查）。

但AI应用开发往往需要基于以下三点需求需要对MySQL进行代码操作：

1.表层面的数据自动化处理

2.表层面的数据批量处理

3.python实现的算法与其他技术栈（C++QT、Java Web等）实现的系统数据交互

二、代码示例

存储数据

def insert_mysql(word):
    mysql_path = os.path.join(os.getcwd(), "data", "mysql_df1500hdb_config.json")
    with open(mysql_path, 'r', encoding='utf-8') as f:
        mid_json = json.load(f)
    db = pymysql.connect(host=mid_json['host'],
                         port=mid_json['port'],
                         user=mid_json['user'],
                         password=mid_json['password'],
                         database=mid_json['database'])
    cursor = db.cursor()
    insert_code = "INSERT INTO df_his_weatherpv (name,value1,value2,value3,value4,value5,value6,evt_time) VALUES (%s,%s,%s,%s,%s,%s,%s,%s);"
    cursor.execute(insert_code, (
    word.get('name'), word.get('value1'), word.get('value2'), word.get('value3'), word.get('value4'),
    word.get('value5'), word.get('value6'), str(timestamp2time(word.get('time')))))
    # 保留操作
    db.commit()
    # 关闭连接
    db.close()

拿取数据

# 为温度、湿度、气压三个无需vdm分解的数据
def get_feature(now_time_str, des_code):
    table_ls = get_dbtable(now_time_str)
    if len(table_ls) == 1:
        mysql_path = os.path.join(os.getcwd(), "data", "mysql_df1500hdb_config.json")
        with open(mysql_path, 'r', encoding='utf-8') as f:
            mid_json = json.load(f)
        db = pymysql.connect(host=mid_json['host'],
                             port=mid_json['port'],
                             user=mid_json['user'],
                             password=mid_json['password'],
                             database=mid_json['database'])
        cursor = db.cursor()

        sql_code = "SELECT *  FROM {table} WHERE name = '{des}' AND evt_time >= DATE_SUB('{time}', INTERVAL 2 DAY) AND evt_time < '{time}';".format(
            time=now_time_str,
            table=table_ls[0],
            des=des_code)
        cursor.execute(sql_code)
        data = pd.DataFrame(cursor.fetchall())
        # 关闭连接
        db.close()
        # print(data)
        data.columns = ['id', 'name', 'value', 'ect_time', 'status']
        data = data.sort_values('ect_time')
        times = data['ect_time'].tolist()
        values = data['value'].tolist()
        mdh_indexs_dict = generate_26_mdhs(extract_mdh(now_time_str))
        mdhs = [extract_mdh(i) for i in times]
        for i in range(len(mdhs)):
            try:
                mdh_indexs_dict[mdhs[i]].append(i)
            except:
                pass
        flag = 0
        out_ls = []
        for mdh_dict_v in mdh_indexs_dict.values():
            if mdh_dict_v != []:
                flag += 1
                out_ls.append(np.mean(values[min(mdh_dict_v):max(mdh_dict_v) + 1]))
            else:
                out_ls.append(None)
        if flag == 24:
            return out_ls
        elif flag == 23 or flag == 22:
            return deal_none(out_ls)
        else:
            return []
    else:
        mysql_path = os.path.join(os.getcwd(), "data", "mysql_df1500hdb_config.json")
        with open(mysql_path, 'r', encoding='utf-8') as f:
            mid_json = json.load(f)
        db = pymysql.connect(host=mid_json['host'],
                             port=mid_json['port'],
                             user=mid_json['user'],
                             password=mid_json['password'],
                             database=mid_json['database'])
        cursor = db.cursor()

        sql_code = "SELECT *  FROM {table} WHERE name = '{des}' AND  evt_time >= DATE_SUB('{time}', INTERVAL 2 DAY) AND evt_time < '{time}';".format(
            time=now_time_str,
            table=table_ls[0],
            des=des_code)
        cursor.execute(sql_code)
        data1 = pd.DataFrame(cursor.fetchall())
        sql_code = "SELECT *  FROM {table} WHERE name = '{des}' AND  evt_time >= DATE_SUB('{time}', INTERVAL 2 DAY) AND evt_time < '{time}';".format(
            time=now_time_str,
            table=table_ls[1],
            des=des_code)
        cursor.execute(sql_code)
        data2 = pd.DataFrame(cursor.fetchall())
        db.close()
        data = pd.concat([data1, data2], ignore_index=True)
        data.columns = ['id', 'name', 'value', 'ect_time', 'status']
        data = data.sort_values('ect_time')
        times = data['ect_time'].tolist()
        values = data['value'].tolist()
        mdh_indexs_dict = generate_26_mdhs(extract_mdh(now_time_str))
        mdhs = [extract_mdh(i) for i in times]
        for i in range(len(mdhs)):
            try:
                mdh_indexs_dict[mdhs[i]].append(i)
            except:
                pass
        flag = 0
        out_ls = []
        for mdh_dict_v in mdh_indexs_dict.values():
            if mdh_dict_v != []:
                flag += 1
                out_ls.append(np.mean(values[min(mdh_dict_v):max(mdh_dict_v) + 1]))
            else:
                out_ls.append(None)
        if flag == 24:
            return out_ls
        elif flag == 23 or flag == 22:
            return deal_none(out_ls)
        else:
            return []

删除、修改等操作与上述类似，即用即查即可

---

三、总结

完结，撒花！