SQL query 1 col＆1000 rows to pandas dataframe 10 cols＆100 rows

Question

我需要你幫助解決這個棘手的問題。我有一個列和1000行SQL查詢結果。這個SQL查詢實際上是一個表上的自加入查詢，而1000實際上是10套相同的100個ID使用pandas.pivot，因爲我沒有唯一的索引。

編輯1：

我想要做的一個例子。

SQL查詢結果

1列和行N1至N1000

必要數據幀

列：列1 /列2 /欄3/Column4 /（等）

行數：N1至N100/N101至N200/N201至N300/N301至N400 /（依此類推）

EDIT2： 帶值的小示例。SQL查詢基於5人及其年齡的表上的自加入。查詢中的值是每次兩個人之間的年齡差異。

SQL查詢

年齡差

N1（=人1和Person 1之間年齡差）

N2（=人1和人2之間年齡差）

N3（=人1與人3之間的年齡差）

N4（=人1和人4之間年齡差）

N5（=人1和Person 5之間年齡差）

N6（=人2和Person 1之間年齡差）

N7 （=人2和Person 2之間年齡差）

N8（=人2和Person 3之間年齡差）

N9（=人2和Person 4之間年齡差）

N10（=第2個人和第5個人之間的年齡差異）

...

N25（人5和Person 5之間=年齡差）

必要數據幀

PERSON1 ---- PERSON2 ----- Person3可能 ---- - Person4 ----- Person5

N1 ------------- N6-- ----------- N11 ------------- N16 ------------- N21

N2 ----- -------- N7 ------------- ------------- N12 N17 ------------- N22

N3 ------------- N8 ------------- N13 ------------- N18-- ----------- N23

N4 ------------- N9 ------------- N14 ----- -------- N19 ------------- N24

N5 ------------- N10 -------- ---- N15 ------------- N20 ------------- N25

Answer 1

很難理解你的任務，但這裏有一個簡單的例子，它給出了你一個想法開始：

>>> import sqlite3 
>>> conn = sqlite3.connect(':memory:') 
>>> conn.execute('create table test (id int, value int)') 
>>> conn.execute('insert into test select 1, 1 union all select 2, 2') 
>>> df = pd.read_sql('select t1.id, t2.id, t1.value * t2.value from test as t1 cross join test as t2', conn) 
>>> df 
    id1 id2 value 
0 1 1  1 
1 1 2  2 
2 2 1  2 
3 2 2  4 
>>> df.columns = ['id1','id2','value'] 
>>> df.pivot(index='id1', columns='id2') 
    value 
id2  1 2 
id1   
1  1 2 
2  2 4 

編輯

>>> conn.execute('insert into ages select 6 union all select 24 union all select 14 union all select 16 union all select 65') 
>>> df = pd.read_sql('select t1.age - t2.age from ages as t1 cross join ages as t2', conn) 
>>> df.column = ['diff'] 
>>> a = pd.DataFrame.from_records(product(range(5), range(5)), columns=['a','b']) 
>>> res = pd.concat([df, a],axis=1) 
>>> res.pivot(index='a', columns='b', values='diff') 
b 0 1 2 3 4 
a      
0 0 -18 -8 -10 -59 
1 18 0 10 8 -41 
2 8 -10 0 -2 -51 
3 10 -8 2 0 -49 
4 59 41 51 49 0