Kan ikke læse SQL-tabel korrekt i python:varchar-kolonner importeret som kommaseparerede tegn/tupler

Dette ser ud til at være et problem, når du bruger jaydebeapi med jpype . Jeg kan gengive dette, når jeg forbinder til en Oracle db på samme måde, som du gør (i mit tilfælde Oracle 11gR2, men da du bruger ojdbc8.jar , det sker vel også med andre versioner).

Der er forskellige måder, du kan løse dette på:

Skift din forbindelse

Da fejlen kun ser ud til at opstå i en bestemt kombination af pakker, er det mest fornuftige at gøre at forsøge at undgå disse og dermed fejlen helt.

Alternativ 1:Brug jaydebeapi uden jpype :

Som nævnt observerer jeg kun dette, når jeg bruger jaydebeapi med jpype . Men i mit tilfælde jpype er slet ikke nødvendig. Jeg har .jar fil lokalt, og min forbindelse fungerer fint uden:

import jaydebeapi as jdba
import pandas as pd
import os

db_host = 'db.host.com'
db_port = 1521
db_sid = 'YOURSID'

jar=os.getcwd()+'/ojdbc6.jar'

conn = jdba.connect('oracle.jdbc.driver.OracleDriver', 
                'jdbc:oracle:thin:@' + db_host + ':' + str(db_port) + ':' + db_sid, 
                {'user': 'USERNAME', 'password': 'PASSWORD'}, 
                jar
                )

df_jay = pd.read_sql('SELECT * FROM YOURSID.table1', conn)

conn.close()

I mit tilfælde fungerer dette fint og opretter datarammerne normalt.

Alternativ 2:Brug cx_Oracle i stedet:

Problemet opstår heller ikke, hvis jeg bruger cx_Oracle for at oprette forbindelse til Oracle db:

import cx_Oracle
import pandas as pd
import os

db_host = 'db.host.com'
db_port = 1521
db_sid = 'YOURSID'

dsn_tns = cx_Oracle.makedsn(db_host, db_port, db_sid)
cx_conn = cx_Oracle.connect('USERNAME', 'PASSWORD', dsn_tns)

df_cxo = pd.read_sql('SELECT * FROM YOURSID.table1', con=cx_conn)

cx_conn.close()

Bemærk:For cx_Oracle for at arbejde skal du have Oracle Instant Client installeret og korrekt opsat (se f.eks. cx_Oracle-dokumentation til Ubuntu ).

Ret dataramme efter kendsgerningen:

Hvis du af en eller anden grund ikke kan bruge ovenstående forbindelsesalternativer, kan du også transformere din dataramme.

Alternativ 3:Deltag i tuple-indgange:

Du kan bruge ''.join() at konvertere tupler til strenge . Du skal gøre dette for indtastningerne og kolonnenavnene.

# for all entries that are not None, join the tuples
for col in df.select_dtypes(include=['object']).columns:
    df[col] = df[col].apply(lambda x: ''.join(x) if x is not None else x)

# also rename the column headings in the same way
df.rename(columns=lambda x: ''.join(x) if x is not None else x, inplace=True)

Alternativ 4:skift dtype af kolonner:

Ved at ændre dtype af en berørt kolonne fra object til string , vil alle poster også blive konverteret. Bemærk, at dette kan have uønskede bivirkninger, som f.eks. ændre None værdier til strengen <N/A> . Du bliver også nødt til at omdøbe kolonneoverskrifterne separat, som ovenfor.
```
for col in df.select_dtypes(include=['object']).columns:
    df[col] = df[col].astype('string')

# again, rename headings
df.rename(columns=lambda x: ''.join(x) if x is not None else x, inplace=True)
 
```

Alle disse burde give mere eller mindre den samme df til sidst (bortset fra dtypes og mulig erstatning af None værdier):

+---+---------+---------+---------+
|   | COLUMN1 | COLUMN2 | COLUMN3 |
+---+---------+---------+---------+
| 1 | test    | test2   | 1       |
+---+---------+---------+---------+
| 2 | foo     | bar     | 100     |
+---+---------+---------+---------+