Ottenere una riga casuale tramite SQLAlchemy
-
09-06-2019 - |
Domanda
Come seleziono una (o alcune) righe casuali da una tabella utilizzando SQLAlchemy?
Soluzione
Questo è un problema specifico del database.
So che PostgreSQL, SQLite, MySQL e Oracle hanno la capacità di ordinare tramite una funzione casuale, quindi puoi usarlo in SQLAlchemy:
from sqlalchemy.sql.expression import func, select
select.order_by(func.random()) # for PostgreSQL, SQLite
select.order_by(func.rand()) # for MySQL
select.order_by('dbms_random.value') # For Oracle
Successivamente, è necessario limitare la query al numero di record necessari (ad esempio utilizzando .limit()
).
Tieni presente che, almeno in PostgreSQL, la selezione di record casuali presenta gravi problemi di prestazioni; Qui è un buon articolo a riguardo.
Altri suggerimenti
Se stai usando orm e la tabella non è grande (o hai la sua quantità di righe memorizzate nella cache) e vuoi che sia indipendente dal database, l'approccio davvero semplice è.
import random
rand = random.randrange(0, session.query(Table).count())
row = session.query(Table)[rand]
Questo è leggermente un imbroglio, ma è per questo che usi un orm.
Esiste un modo semplice per estrarre una riga casuale indipendente dal database.Basta usare .offset() .Non è necessario estrarre tutte le righe:
import random
query = DBSession.query(Table)
rowCount = int(query.count())
randomRow = query.offset(int(rowCount*random.random())).first()
Dove Table è la tua tabella (o potresti inserire qualsiasi query lì).Se vuoi alcune righe, puoi semplicemente eseguirlo più volte e assicurarti che ogni riga non sia identica alla precedente.
Ecco quattro diverse varianti, ordinate dalla più lenta alla più veloce. timeit
risultati in basso:
from sqlalchemy.sql import func
from sqlalchemy.orm import load_only
def simple_random():
return random.choice(model_name.query.all())
def load_only_random():
return random.choice(model_name.query.options(load_only('id')).all())
def order_by_random():
return model_name.query.order_by(func.random()).first()
def optimized_random():
return model_name.query.options(load_only('id')).offset(
func.floor(
func.random() *
db.session.query(func.count(model_name.id))
)
).limit(1).all()
timeit
risultati per 10.000 esecuzioni sul mio Macbook rispetto a una tabella PostgreSQL con 300 righe:
simple_random():
90.09954111799925
load_only_random():
65.94714171699889
order_by_random():
23.17819356000109
optimized_random():
19.87806927999918
Puoi facilmente vederlo usando func.random()
è molto più veloce che restituire tutti i risultati a Python random.choice()
.
Inoltre, all'aumentare delle dimensioni della tabella, le prestazioni di order_by_random()
si degraderà in modo significativo perché an ORDER BY
richiede una scansione completa della tabella rispetto a COUNT
In optimized_random()
può utilizzare un indice.
Alcuni DBMS SQL, ovvero Microsoft SQL Server, DB2 e PostgreSQL hanno implementato SQL:2003 TABLESAMPLE
clausola.È stato aggiunto il supporto a SQLAlchemy nella versione 1.1.Consente di restituire un campione di una tabella utilizzando diversi metodi di campionamento richiesti dallo standard SYSTEM
E BERNOULLI
, che restituiscono la percentuale approssimativa desiderata di una tabella.
In SQLAlchemy FromClause.tablesample()
E tablesample()
sono utilizzati per produrre a TableSample
costruire:
# Approx. 1%, using SYSTEM method
sample1 = mytable.tablesample(1)
# Approx. 1%, using BERNOULLI method
sample2 = mytable.tablesample(func.bernoulli(1))
C'è un leggero problema quando viene utilizzato con le classi mappate:il prodotto TableSample
l'oggetto deve avere un alias per poter essere utilizzato per interrogare gli oggetti del modello:
sample = aliased(MyModel, tablesample(MyModel, 1))
res = session.query(sample).all()
Poiché molte delle risposte contengono benchmark delle prestazioni, includerò anche qui alcuni semplici test.Utilizzando una semplice tabella in PostgreSQL con circa un milione di righe e una singola colonna intera, seleziona un campione (circa) dell'1%:
In [24]: %%timeit
...: foo.select().\
...: order_by(func.random()).\
...: limit(select([func.round(func.count() * 0.01)]).
...: select_from(foo).
...: as_scalar()).\
...: execute().\
...: fetchall()
...:
307 ms ± 5.72 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
In [25]: %timeit foo.tablesample(1).select().execute().fetchall()
6.36 ms ± 188 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
In [26]: %timeit foo.tablesample(func.bernoulli(1)).select().execute().fetchall()
19.8 ms ± 381 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
Prima di affrettarsi a usarlo SYSTEM
metodo di campionamento si dovrebbe sapere che campiona pagine, non tuple individuali, quindi potrebbe non essere adatto, ad esempio, per tavoli di piccole dimensioni.
Questa è la soluzione che utilizzo:
from random import randint
rows_query = session.query(Table) # get all rows
if rows_query.count() > 0: # make sure there's at least 1 row
rand_index = randint(0,rows_query.count()-1) # get random index to rows
rand_row = rows_query.all()[rand_index] # use random index to get random row
Questa è la mia funzione per selezionare righe casuali di una tabella:
from sqlalchemy.sql.expression import func
def random_find_rows(sample_num):
if not sample_num:
return []
session = DBSession()
return session.query(Table).order_by(func.random()).limit(sample_num).all()
questa soluzione selezionerà una singola riga casuale
Questa soluzione richiede che la chiave primaria sia denominata id, dovrebbe esserlo se non lo è già:
import random
max_model_id = YourModel.query.order_by(YourModel.id.desc())[0].id
random_id = random.randrange(0,max_model_id)
random_row = YourModel.query.get(random_id)
print random_row
Esistono un paio di modi per utilizzare SQL, a seconda del database utilizzato.
(Penso che SQLAlchemy possa comunque utilizzare tutti questi)
mysql:
SELECT colum FROM table
ORDER BY RAND()
LIMIT 1
PostgreSQL:
SELECT column FROM table
ORDER BY RANDOM()
LIMIT 1
MSSQL:
SELECT TOP 1 column FROM table
ORDER BY NEWID()
IBM DB2:
SELECT column, RAND() as IDX
FROM table
ORDER BY IDX FETCH FIRST 1 ROWS ONLY
Oracolo:
SELECT column FROM
(SELECT column FROM table
ORDER BY dbms_random.value)
WHERE rownum = 1
Tuttavia non conosco alcun modo standard