python-SQLAlchemy,array_agg和匹配输入列表

我试图更充分地使用sqlAlchemy,而不是仅仅在遇到麻烦的最初迹象时才转而使用纯sql.在这种情况下,我在Postgres数据库(9.5)中有一个表,该表通过将单个项atom_id与组标识符group_id关联来将一组整数存储为一个组.

给定一个atom_id的列表,我希望能够找出那个atom_id集合属于哪个group_id(如果有的话).仅使用group_id和atom_id列即可解决此问题.

现在,我试图进行概括,以使“组”不仅由atom_id列表组成,而且还由其他上下文组成.在下面的示例中,列表通过包括序列列来进行排序,但是从概念上讲,可以使用其他列,例如权重列,该列为每个atom_id提供一个[0,1]浮点值,表示该原子的“份额”.组.

以下是展示我的问题的大部分单元测试.

首先,进行一些设置：

def test_multi_column_grouping(self):
    class multicolumnGroups(base.Base):
        __tablename__ = 'multi_groups'

        group_id = Column(Integer)
        atom_id = Column(Integer)
        sequence = Column(Integer)  # arbitrary 'other' column.  In this case, an integer, but it Could be a float (e.g. weighting factor)

    base.Base.Metadata.create_all(self.engine)

    # Insert 6 rows representing 2 different 'groups' of values
    vals = [
        # Group 1
        {'group_id': 1, 'atom_id': 1, 'sequence': 1},
        {'group_id': 1, 'atom_id': 2, 'sequence': 2},
        {'group_id': 1, 'atom_id': 3, 'sequence': 3},
        # Group 2
        {'group_id': 2, 'atom_id': 1, 'sequence': 3},
        {'group_id': 2, 'atom_id': 2, 'sequence': 2},
        {'group_id': 2, 'atom_id': 3, 'sequence': 1},
    ]

    self.session.bulk_save_objects(
        [multicolumnGroups(**x) for x in vals])
    self.session.flush()

    self.assertEqual(6, len(self.session.query(multicolumnGroups).all()))

现在,我想查询上表以查找一组特定输入所属的组.我正在使用(命名的)元组列表来表示查询参数.

    from collections import namedtuple
    Entity = namedtuple('Entity', ['atom_id', 'sequence'])
    values_to_match = [
        # (atom_id, sequence)
        Entity(1, 3),
        Entity(2, 2),
        Entity(3, 1),
        ]
    # The above list _should_ match with `group_id == 2`

原始sql 解决方案.我宁愿不退缩,因为本练习的一部分是学习更多sqlAlchemy.

    r = self.session.execute('''
        select group_id
        from multi_groups
        group by group_id
        having array_agg((atom_id, sequence)) = :query_tuples
        ''', {'query_tuples': values_to_match}).fetchone()
    print(r)  # > (2,)
    self.assertEqual(2, r[0])

这是上面的原始sql 解决方案,可以直接转换为
损坏的sqlAlchemy查询.运行此命令将产生psycopg2错误：(psycopg2.ProgrammingError)运算符不存在：record [] = integer [].我相信我需要将array_agg转换为int []吗？只要分组列都是整数(如果需要,这是一个可接受的限制),那将起作用,但是理想情况下,它将适用于混合类型输入元组/表列.

    from sqlalchemy import tuple_
    from sqlalchemy.dialects.postgresql import array_agg

    existing_group = self.session.query(multicolumnGroups).\
        with_entities(multicolumnGroups.group_id).\
        group_by(multicolumnGroups.group_id).\
        having(array_agg(tuple_(multicolumnGroups.atom_id, multicolumnGroups.sequence)) == values_to_match).\
        one_or_none()

    self.assertIsNotNone(existing_group)
    print('|{}|'.format(existing_group))

上面的session.query()是否关闭？我是否在这里蒙蔽了自己的眼光,并且错过了一些可以通过其他方式解决此问题的显而易见的东西？

解决方法:

我认为您的解决方案将产生不确定的结果,因为组中的行是未指定的顺序,因此基于此,数组聚合与给定数组之间的比较可能会产生true或false：

[local]:5432 u@sopython*=> select group_id
[local] u@sopython- > from multi_groups 
[local] u@sopython- > group by group_id
[local] u@sopython- > having array_agg((atom_id, sequence)) = ARRAY[(1,3),(2,2),(3,1)];
 group_id 
----------
        2
(1 row)

[local]:5432 u@sopython*=> update multi_groups set atom_id = atom_id where atom_id = 2;
UPDATE 2
[local]:5432 u@sopython*=> select group_id                                             
from multi_groups 
group by group_id
having array_agg((atom_id, sequence)) = ARRAY[(1,3),(2,2),(3,1)];
 group_id 
----------
(0 rows)

您可以对两者都应用排序,也可以尝试完全不同的方法：可以使用relational division代替数组比较.

为了进行划分,您必须从实体记录列表中形成一个临时关系.同样,有很多方法可以解决这个问题.这是一个使用非嵌套数组的数组：

In [112]: vtm = select([
     ...:     func.unnest(postgresql.array([
     ...:         getattr(e, f) for e in values_to_match
     ...:     ])).label(f)
     ...:     for f in Entity._fields
     ...: ]).alias()

另一个使用联合：

In [114]: vtm = union_all(*[
     ...:     select([literal(e.atom_id).label('atom_id'),
     ...:             literal(e.sequence).label('sequence')])
     ...:     for e in values_to_match
     ...: ]).alias()

临时表也可以.

有了新的关系,您将找到答案“找到那些没有存在不属于该组的实体的multi_groups”.这句话很可怕,但是很有意义：

In [117]: mg = aliased(multicolumnGroups)

In [119]: session.query(multicolumnGroups.group_id).\
     ...:     filter(~exists().
     ...:         select_from(vtm).
     ...:         where(~exists().
     ...:             where(multicolumnGroups.group_id == mg.group_id).
     ...:             where(tuple_(vtm.c.atom_id, vtm.c.sequence) ==
     ...:                   tuple_(mg.atom_id, mg.sequence)).
     ...:             correlate_except(mg))).\
     ...:     distinct().\
     ...:     all()
     ...: 
Out[119]: [(2)]

另一方面,您也可以选择与给定实体的组的交集：

In [19]: gs = intersect(*[
    ...:     session.query(multicolumnGroups.group_id).
    ...:         filter(multicolumnGroups.atom_id == vtm.atom_id,
    ...:                multicolumnGroups.sequence == vtm.sequence)
    ...:     for vtm in values_to_match
    ...: ])

In [20]: session.execute(gs).fetchall()
Out[20]: [(2,)]

错误

ProgrammingError: (psycopg2.ProgrammingError) operator does not exist: record[] = integer[]
LINE 3: ...gg((multi_groups.atom_id, multi_groups.sequence)) = ARRAY[AR...
                                                             ^
HINT:  No operator matches the given name and argument type(s). You might need to add explicit type casts.
 [sql: 'SELECT multi_groups.group_id AS multi_groups_group_id \nFROM multi_groups GROUP BY multi_groups.group_id \nHAVING array_agg((multi_groups.atom_id, multi_groups.sequence)) = %(array_agg_1)s'] [parameters: {'array_agg_1': [[1, 3], [2, 2], [3, 1]]}] (Background on this error at: http://sqlalche.me/e/f405)

是您的values_to_match如何首先转换为列表列表(由于未知原因),然后转换为converted to an array by your DB-API driver的结果.它导致一个整数数组数组,而不是一个记录数组(int,int).使用raw DB-API connection和游标,传递元组列表可以按预期工作.

在sqlAlchemy中,如果将列表values_to_match与sqlalchemy.dialects.postgresql.array()包装在一起,则它会按您的预期效果工作,尽管请记住结果是不确定的.

python-SQLAlchemy,array_agg和匹配输入列表

相关推荐