Ici nous apprenons à utiliser la librairie Pony pour la manipulation et la mise en forme des données.
Pour installer les librairie pandas et pony, vous devez utfuiliser un gestionnaire d'installation.
$ python -m pip install pandas pony
La librairie Pony ORM est un gestionnaire de persistance qui permet la mise en correspondance entre les objets d'un programme et les valeurs d'une base de données, pour assurer leur conservation d'une session à l'autre.
Pony effectue toutes les opérations de sauvegarde de manière transparente. La création et la mise à jour des objets persistants s'accompagne automatiquement d'opérations de lecture/écriture vers la base de donnée. Les données sont donc conservées sans appel explicite à des requêtes SQL.
from pony import orm
db = orm.Database()
L'utilisation de données structurées dans un programme Python nécessite de faire appel à des librairies spécialisées. Nous utiliserons ici la librairie pandas
qui sert à la mise en forme et à l'analyse des données.
import numpy as np import pandas
On considère une série d’enregistrements concernant des ventes réalisées par un exportateur de véhicules miniatures. Pour chaque vente, il entre dans son registre de nombreuses informations :
Ces informations sont stockées dans un fichier au format ‘csv’ (comma separated values) : ventes_new.csv
.
Téléchargez ce fichier et copiez-le dans votre répertoire de travail.
Dans un premier temps, regardez son contenu avec un editeur de texte (geany
, gedit
ou autre…). La première ligne contient les noms des attributs (NUM_COMMANDE
, QUANTITE
,…).
Les ligne suivantes contiennent les valeurs d’attributs correspondant à une vente donnée.
En tout plus de 2000 ventes sont répertoriées dans ce fichier.
Ouvrez-le maintenant à l’aide d’un tableur (par exemple localc
).
Les données sont maintenant “rangées” en lignes et colonnes pour faciliter la lecture.
Déplacez le fichier ventes_new.csv
dans votre répertoire de travail.
Les données sont au format csv
, on utilise:
pandas.read_csv
. Voir dataframes pandas. Pandas permet également de lire les données au format xls
et xlsx
(Excel). with open('ventes_new.csv', encoding='utf-8') as f: data = pandas.read_csv(f) print(data)
avec data
une structure de données de type DataFrame
Nous définissons ici trois schémas de classes correspondant aux ensembles d'entités Client, Commande et Produit.
Les clés étrangères de la table des commande définissent deux relations de un à plusieurs :
code_produit
est également une clé étrangère
Dans un modèle ORM, les relations de un à plusieurs se traduisent par des attributs de type liste ou ensemble :
Les classes sont définies ici comme des schémas de données.
La classe Client hérite de la classe générique Entity. Les attributs des objets obéissent à une définition parmi quatre définitions possibles :
PrimaryKey
Required
Optional
Set
class Client(db.Entity): id_client = orm.PrimaryKey(str) telephone = orm.Required(str) ville = orm.Required(str) pays = orm.Required(str) achats = orm.Set('Commande')
class Produit(db.Entity): code_produit = orm.PrimaryKey(str) type_produit = orm.Required(str) prix_unitaire = orm.Required(float) ventes = orm.Set('Commande')
Dans la classe Commande, il n'y a pas de clé étrangère (comme dans le modèle relationnel) mais :
Client
qui lie la commande au client qui a effectié la commandeProduit
qui lie la commande au produit commandéclass Commande(db.Entity): num_commande = orm.Required(int) code_produit = orm.Required(str) orm.PrimaryKey(num_commande, code_produit) quantité = orm.Required(int) montant = orm.Required(float) mois = orm.Required(int) année = orm.Required(int) client = orm.Required(Client) produit = orm.Required(Produit)
La commande show
est une commande d'affichage à tout faire. Elle permet ici de vérifier le schéma de la classe.
orm.show(Client)
Les schémas de données définis dans les classes peuvent être implémentés dans différents gestionnaires de bases de données.
Nous choisissons ici le gestionnaire sqlite, ce qui évite de définir une connexion un serveur distant. La base de données est ici émulée en mémoire centrale (pour les besoins de l'exercice, les données n'ont pas besoin d'être conservées)
db.bind(provider='sqlite', filename='ventes.db', create_db=True)
Le mode debug
permet de voir les échanges avec la base de données.
orm.set_sql_debug(True)
La commande generate_mapping
définit l"appariement entre les objets et la base de données. Cela correspond ici à la création de trois tables.
db.generate_mapping(create_tables=True)
Les données sont lues dans le dataFrame data
sur les quatre attributs définis et insérées dans la base à l'aide du constructeur de la classe Client.
clients = data[["CLIENT", "TELEPHONE", "VILLE", "PAYS"]].drop_duplicates() with orm.db_session: for c in clients.values: try: Client(id_client = c[0], telephone = c[1], ville = c[2], pays = c[3]) orm.commit() except Exception as e: print("*** ERREUR DE TRANSACTION :", e, '***')
Pour afficher la liste de tous les clients (et non le schéma de la classe Client), il faut faire appel à la méthode select()
qui effectue une lecture dans la base avant l'affichage.
Client.select().show()
On peut également afficher les clients un par un à l'aide leur index (ici le nom du magasin)
print(Client["Land of Toys Inc."]) print(Client["Land of Toys Inc."].id_client) print(Client["Land of Toys Inc."].ville) print(Client["Land of Toys Inc."].pays) print(Client["Land of Toys Inc."].achats)
On notera que la liste des achats est vide (les commandes n'ont pas encore été saisies)
L'appel à la méthode select()
permet de sélectionner les clients selon la valeur d'un ou plusieurs attributs. Cette sélection passe par une fonction anonyme lambda
:
requête = Client.select(lambda c : c.pays == "France")
et on affiche le résultat:
requête.show()
Remarque : une requête se comporte comme un itérateur sur les objets:
for c in requête: print(c.id_client, c.ville, c.pays)
Les produits sont insérés de la même façon que les clients:
produits = data[["CODE_PRODUIT", "TYPE_PRODUIT", "PRIX_UNITAIRE"]].drop_duplicates() with orm.db_session: for p in produits.values: try: Produit(code_produit = p[0], type_produit = p[1], prix_unitaire = p[2]) orm.commit() except Exception as e: print("*** ERREUR DE TRANSACTION :", e, '***')
Question subsidiaire : comment modifier le schéma de départ pour les supprimer.
Produit.select().show()
Uniquement les 10 premiers:
orm.show(Produit.select()[:10])
print (Produit['S10_1678']) print (Produit['S10_1678'].type_produit) print (Produit['S10_1678'].prix_unitaire) print (Produit['S10_1678'].ventes)
Pour créer les commandes, il faut ici définir deux références :
qui sont des objets définis précédemment lors de l’insertion des données client et des donnés produit. Ils correspondent donc à des entrées de leurs classes respectives, indexes par leur identifiant (id_client
et code_produit
).
ventes = data[["NUM_COMMANDE", "QUANTITE", "MONTANT", "MOIS", "ANNEE", "CLIENT", "CODE_PRODUIT"]].drop_duplicates() with orm.db_session: for v in ventes.values: try: client = Client[v[5]] produit = Produit[v[6]] Commande(num_commande = int(v[0]), code_produit = v[6], quantité = int(v[1]), montant = float(v[2]), mois = int(v[3]), année = int(v[4]), client = client, produit = produit) orm.commit() except Exception as e: print("*** ERREUR DE TRANSACTION :", e, '***')
Commande.select().show()
print(Commande[10118,"S700_3505"]) print('Montant :', Commande[10118,"S700_3505"].montant) print('Quantité :', Commande[10118,"S700_3505"].quantité) print('Année :', Commande[10118,"S700_3505"].année) print('Mois :', Commande[10118,"S700_3505"].mois) print('Client :', Commande[10118,"S700_3505"].client) print('Produit :', Commande[10118,"S700_3505"].produit)
requête = Commande.select(lambda c : c.montant > 10000) for r in requête: print(r.num_commande, r.quantité, r.mois, r.année, r.client, r.produit)
Ou plus simplement :
requête.show()
requête = orm.select(c for c in Commande if c.montant > 10000)
Maintenant que les commandes on été entrées dans la base, la liste des achats est à présent renseignée pour chaque client de la classe Client:
print(Client["Land of Toys Inc."].achats)
ou:
Client["Land of Toys Inc."].achats.select().show()
Et la liste des ventes est de même renseignée pour chaque produit de la classe Produit:
print (Produit['S10_1678'].ventes)
Produit['S12_1108'].prix_unitaire = 100 orm.commit()
Produit['S12_1108'].delete() orm.commit()
pays
pour les clients nord-américains : si le pays vaut "United States"
, le remplacer par "USA"
Produits
. Magique, non?sqlite
. Avant toute chose, il faut définir un schéma de données conforme au modèle relationnelA FAIRE :
data_model.py
à votre projet, et définissez le schéma de données à l'aide des fonctions de pony
:from pony import orm db = orm.Database() class Equipement(db.Entity): ... class Animal(db.Entity): ...
import json from pony import orm from data_model import Equipement, Animal, db db.bind(provider='sqlite', filename='animalerie.db', create_db=True) db.generate_mapping(create_tables=True) équipement_data = 'équipement.json' with open(équipement_data, "r") as f: équipement_dict = json.load(f) for id_équip in équipement_dict: disponibilité = équipement_dict[id_équip]["DISPONIBILITÉ"] with orm.db_session: try: Equipement(id_équip=id_équip, disponibilité=disponibilité) orm.commit() except: print(id_équip, "already exists in database") pass animal_data = 'animal.json' with open(animal_data, "r") as f: animal_dict = json.load(f) for id_animal in animal_dict: état = animal_dict[id_animal]["ETAT"] type = animal_dict[id_animal]["TYPE"] race = animal_dict[id_animal]["RACE"] lieu = animal_dict[id_animal]["LIEU"] with orm.db_session: try: Animal(id_animal=id_animal, état=état, type=type, race=race, lieu=Equipement[lieu]) orm.commit() except: print(id_animal, "already exists in database") pass
animalerie.db
dans le répertoire du projet. Cette base contient l'ensemble des informations nécessaires pour gérer l'animalerie. Vous devez maintenant reprendre votre programme de gestion de l'animalerie (TD 1 et 2) et modifier modele.py
en utilisant les fonctionnalités de pony
pour lire et mettre à jour les données.
Voici à quoi doit ressembler le début de modele.py
:
from pony import orm from data_model import Equipement, Animal, db liste_états = ['affamé', 'fatigué', 'repus', 'endormi'] db.bind(provider='sqlite', filename='animalerie.db') db.generate_mapping() def lit_état(id_animal): with orm.db_session: try: return Animal[id_animal].état except: return None def lit_lieu(id_animal): with orm.db_session: try: return Animal[id_animal].lieu except: return None def vérifie_disponibilité(id_équipement): ...
Complétez le code de manière à valider le fichier de tests suivant :
import modele import controleur from data_model import orm, Equipement, Animal def test_lit_etat(): assert modele.lit_état('Tac') == 'affamé' assert modele.lit_état('Bob') == None @orm.db_session def test_lit_lieu(): assert modele.lit_lieu('Tac') == Equipement['litière'] assert modele.lit_lieu('Bob') == None def test_vérifie_disponibilité(): assert modele.vérifie_disponibilité('litière') == 'libre' assert modele.vérifie_disponibilité('roue') == 'occupé' assert modele.vérifie_disponibilité('nintendo') == None @orm.db_session def test_cherche_occupant(): assert Animal['Totoro'] in modele.cherche_occupant('roue') assert Animal['Tac'] in modele.cherche_occupant('litière') assert Animal['Tac'] not in modele.cherche_occupant('mangeoire') assert modele.cherche_occupant('nintendo') == [] def test_change_état(): modele.change_état('Totoro', 'fatigué') assert modele.lit_état('Totoro') == 'fatigué' modele.change_état('Totoro', 'excité comme un pou') assert modele.lit_état('Totoro') == 'fatigué' modele.change_état('Truc', 'fatigué') assert modele.lit_état('Truc') == None @orm.db_session def test_change_lieu(): modele.change_lieu('Totoro', 'roue') assert modele.lit_lieu('Totoro') == Equipement['roue'] modele.change_lieu('Totoro', 'nid') assert modele.lit_lieu('Totoro') == Equipement['roue'] modele.change_lieu('Totoro', 'nintendo') assert modele.lit_lieu('Totoro') == Equipement['roue'] modele.change_lieu('Muche', 'litière') assert modele.lit_lieu('Muche') == None @orm.db_session def test_nourrir(): if modele.vérifie_disponibilité('mangeoire') == 'libre' and modele.lit_état('Tic') == 'affamé': controleur.nourrir('Tic') assert modele.vérifie_disponibilité('mangeoire') == 'occupé' assert modele.lit_état('Tic') == 'repus' assert modele.lit_lieu('Tic') == Equipement['mangeoire'] controleur.nourrir('Pocahontas') assert modele.lit_état('Pocahontas') == 'endormi' assert modele.lit_lieu('Pocahontas') == Equipement['nid'] controleur.nourrir('Tac') assert modele.lit_état('Tac') == 'affamé' assert modele.lit_lieu('Tac') == Equipement['litière'] controleur.nourrir('Bob') assert modele.lit_état('Bob') == None assert modele.lit_lieu('Bob') == None assert modele.vérifie_disponibilité('mangeoire') == 'occupé'