类似pandas的sql包装器，用于ibm db2 warehouse的数据库内分析。
ibmdbp的Python项目详细描述
ibmdbpy
*****
>通过数据库内处理加速python分析
====
==
ibmdbpy项目提供了一个python接口，用于ibm db2中的数据操作和对数据库内算法的访问。它通过将用python编写的操作无缝地推送到底层数据库中执行来加速python分析，从而受益于数据库内的性能增强功能，例如列存储和并行处理。
ibm db2是一个数据库管理系统。ibmdbpy项目可以由python开发人员使用，只需很少的额外知识，因为它复制了用于数据操作的pandas库和用于机器学习算法的scikit学习库的众所周知的接口。python版本2.7到3.6，可以通过odbc或jdbc连接到db2数据库。
然而，一些实验已经证明，它在处理中等或大量数据（即在100万行或更多行的表上）时提供了显著的性能优势。
ibmdbpy的最新版本可在"python package index"和github上找到。
https://pypi.python.org/pypi/ibmdbpy
_ github:https://github.com/ibmdbanalytics/ibmdbpy
ibmdbpy项目将类似panda的语法转换为sql，并使用中间件api（pypyodbc/jaydebapi）将其发送到odbc或jdbc连接的数据库以供执行。结果将被提取并格式化到相应的数据结构中，例如pandas.dataframe或pandas.series。
通过ODBC连接到一个数据库（在本例中是一个名为bludb的DB2数据库）：
>；>；从ibmdbpy导入idadatabase，idadataframe
>；>；idadb=idadatabase（'bludb'）
ibmdbpy中包含了一些示例数据集供您进行实验。我们可以首先将知名的iris表加载到这个db2数据库中。
>；>；来自ibmdbpy.sampledata import iris
>；>；idadb.as廑ida data frame（iris，"iris"）
<；ibmdbpy.frame.idadataframe at 0x7ad77f0>；
接下来，我们可以创建一个指向我们刚刚上传的表。让我们使用这个：
>；>idadf=ida data frame（idadb，"iris"）
注意，要使用idadataframe对象创建ida数据帧，我们需要指定以前打开的idadatabase对象，因为它保留连接。
里克斯：
>；>idadf.corr（）
ibmdbpy在后台查找表中的数字列，并生成一个返回每对列之间相关性的sql请求。以下是针对此示例执行的SQL请求：：
select correlation（"sepal_length"，"sepal_width"），
correlation（"sepal_length"，"petal_length"），
correlation（"sepal_length"，"petal_width"），
correlation（"sepal_width"，"petal_length"），
correlation（"sepal_ width"，"petal_width"，
correlation（"petal_length"，"petal_width"）
来自iris
ibmdbpy获取的结果是一个包含矩阵所有值的元组。此元组被格式化回pandas.dataframe，然后返回：：
花瓣长度0.871754-0.428440 1.000000 0.962865
花瓣宽度0.817941-0.366126 0.962865 1.000000
等等！
地理空间功能的工作方式
它标识空间表的几何列，并允许您基于该列执行空间查询。结果将被获取并格式化到相应的数据结构中，例如，一个IDagodeataframe。
database，idageodataframe
>；>；idadb=idadatabase（'bludb'）
>；>；idadf=idageodataframe（idadb，'samples.geo嫒county'）
请注意，要使用idadataframe对象创建idageodataframe，我们需要指定以前打开的idadatabase对象，因为它包含连接。
现在让我们计算geo_county表中的县的面积。该区域的结果将作为新列"区域"存储在IDageDataFrame中：
>；>IDADF['area']=IDADF.area（colx='shape'）
objectid name shape area
1 wilberger multipolygon（（-99.4756582604 33.8340108094，…0.247254
2奥斯汀多聚体（（-96.6219873342 30.0442882117，…0.162639
3对数多多边形（（-99.4497297204 46.6316377481，…0.306589
4拉普拉塔多聚体（（-107.4817473750 37.0000108736，…0.447591
5伦道夫多聚体（（-91.2589262966 36.2578866492，…0.170844
在后台，ibmdbpy查找表中的几何列，并生成一个返回每个几何体的区域的sql请求。
以下是为此示例执行的sql请求：：
_ County T；
功能选择
==
==
ibmdbpy提供一系列功能以支持高效的数据库功能选择，例如，估计属性与特定目标的相关性。函数和文档可以在子模块"ibmdbpy.feature\u selection"中找到。
项目路线图在github上可用，在"roadmap.txt"文件中
contributors
==
ibmdbpy项目于2015年4月在IBM Deutschland Reasearch&Development，Bóblingen启动。
以下是对项目做出贡献的人员列表，按贡献的时间顺序排列：
-edouard fouché（核心）
-michael wurst（核心）
-william moore（文档）
-craig blaha（文档）
-rafael rodriguez morales（地理空间扩展Ion，Core）
-Avipsa Roy（地理空间扩展）
-Nicole Schoen（Core）
-Toni Bollinger（Core）
您想如何贡献？太好了！你可以做很多事情。
如果您是ibmdbanalytics组的成员，则可以创建分支并将它们合并到master。否则，可以派生项目并执行拉取请求。欢迎您对代码和文档做出贡献。
有很多方法可以做出贡献。如果您发现了错误并有改进的想法或需要一些新的特定功能，请打开一张罚单！我们真的很在乎。
*****
>通过数据库内处理加速python分析
====
==
ibmdbpy项目提供了一个python接口，用于ibm db2中的数据操作和对数据库内算法的访问。它通过将用python编写的操作无缝地推送到底层数据库中执行来加速python分析，从而受益于数据库内的性能增强功能，例如列存储和并行处理。
ibm db2是一个数据库管理系统。ibmdbpy项目可以由python开发人员使用，只需很少的额外知识，因为它复制了用于数据操作的pandas库和用于机器学习算法的scikit学习库的众所周知的接口。python版本2.7到3.6，可以通过odbc或jdbc连接到db2数据库。
然而，一些实验已经证明，它在处理中等或大量数据（即在100万行或更多行的表上）时提供了显著的性能优势。
ibmdbpy的最新版本可在"python package index"和github上找到。
https://pypi.python.org/pypi/ibmdbpy
_ github:https://github.com/ibmdbanalytics/ibmdbpy
ibmdbpy项目将类似panda的语法转换为sql，并使用中间件api（pypyodbc/jaydebapi）将其发送到odbc或jdbc连接的数据库以供执行。结果将被提取并格式化到相应的数据结构中，例如pandas.dataframe或pandas.series。
通过ODBC连接到一个数据库（在本例中是一个名为bludb的DB2数据库）：
>；>；从ibmdbpy导入idadatabase，idadataframe
>；>；idadb=idadatabase（'bludb'）
ibmdbpy中包含了一些示例数据集供您进行实验。我们可以首先将知名的iris表加载到这个db2数据库中。
>；>；来自ibmdbpy.sampledata import iris
>；>；idadb.as廑ida data frame（iris，"iris"）
<；ibmdbpy.frame.idadataframe at 0x7ad77f0>；
接下来，我们可以创建一个指向我们刚刚上传的表。让我们使用这个：
>；>idadf=ida data frame（idadb，"iris"）
注意，要使用idadataframe对象创建ida数据帧，我们需要指定以前打开的idadatabase对象，因为它保留连接。
里克斯：
>；>idadf.corr（）
ibmdbpy在后台查找表中的数字列，并生成一个返回每对列之间相关性的sql请求。以下是针对此示例执行的SQL请求：：
select correlation（"sepal_length"，"sepal_width"），
correlation（"sepal_length"，"petal_length"），
correlation（"sepal_length"，"petal_width"），
correlation（"sepal_width"，"petal_length"），
correlation（"sepal_ width"，"petal_width"，
correlation（"petal_length"，"petal_width"）
来自iris
ibmdbpy获取的结果是一个包含矩阵所有值的元组。此元组被格式化回pandas.dataframe，然后返回：：
花瓣长度0.871754-0.428440 1.000000 0.962865
花瓣宽度0.817941-0.366126 0.962865 1.000000
等等！
地理空间功能的工作方式
它标识空间表的几何列，并允许您基于该列执行空间查询。结果将被获取并格式化到相应的数据结构中，例如，一个IDagodeataframe。
database，idageodataframe
>；>；idadb=idadatabase（'bludb'）
>；>；idadf=idageodataframe（idadb，'samples.geo嫒county'）
请注意，要使用idadataframe对象创建idageodataframe，我们需要指定以前打开的idadatabase对象，因为它包含连接。
现在让我们计算geo_county表中的县的面积。该区域的结果将作为新列"区域"存储在IDageDataFrame中：
>；>IDADF['area']=IDADF.area（colx='shape'）
objectid name shape area
1 wilberger multipolygon（（-99.4756582604 33.8340108094，…0.247254
2奥斯汀多聚体（（-96.6219873342 30.0442882117，…0.162639
3对数多多边形（（-99.4497297204 46.6316377481，…0.306589
4拉普拉塔多聚体（（-107.4817473750 37.0000108736，…0.447591
5伦道夫多聚体（（-91.2589262966 36.2578866492，…0.170844
在后台，ibmdbpy查找表中的几何列，并生成一个返回每个几何体的区域的sql请求。
以下是为此示例执行的sql请求：：
_ County T；
功能选择
==
==
ibmdbpy提供一系列功能以支持高效的数据库功能选择，例如，估计属性与特定目标的相关性。函数和文档可以在子模块"ibmdbpy.feature\u selection"中找到。
项目路线图在github上可用，在"roadmap.txt"文件中
contributors
==
ibmdbpy项目于2015年4月在IBM Deutschland Reasearch&Development，Bóblingen启动。
以下是对项目做出贡献的人员列表，按贡献的时间顺序排列：
-edouard fouché（核心）
-michael wurst（核心）
-william moore（文档）
-craig blaha（文档）
-rafael rodriguez morales（地理空间扩展Ion，Core）
-Avipsa Roy（地理空间扩展）
-Nicole Schoen（Core）
-Toni Bollinger（Core）
您想如何贡献？太好了！你可以做很多事情。
如果您是ibmdbanalytics组的成员，则可以创建分支并将它们合并到master。否则，可以派生项目并执行拉取请求。欢迎您对代码和文档做出贡献。
有很多方法可以做出贡献。如果您发现了错误并有改进的想法或需要一些新的特定功能，请打开一张罚单！我们真的很在乎。
欢迎加入QQ群-->： 979659372
