Как отказаться от изменений в файле grpc/server/main.py (скорее всего что-то нечаянно поменял, но не помню где) и сказать гиту что я хочу использовать версию main.py с сервера:
error: Your local changes to the following files would be overwritten by merge:
grpc/server/main.py
Please commit your changes or stash them before you merge.
Aborting
Имеется gRPC сервер с методами:
rpc monitoring (google.protobuf.Empty) returns (stream Status);
rpc getData (DataId) returns (stream Data);
Пишу на Python клиента, в частности использующего эти процедуры. По аналогии с рабочим сишным кодом реализовал следующий алгоритм. Запустил поток забора данных с процедурой getData(), а затем в основном потоке запустил мониторинг:
with grpc.insecure_channel('localhost:50051') as channel:
stub = data_service_pb2_grpc.DataServiceStub(channel)
def upload(dataId):
DataId = {'dataId': dataId}
input_stream = stub.getData(data_service_pb2.DataId(**DataId))
while True:
element = next(input_stream)
# ...
if # ЗдесьУсловиеОкончанияПотока:
break
time.sleep(1)
thread = Thread(target=upload, args=(newId,))
thread.start()
status_stream = stub.monitoring(empty_pb2.Empty())
while True:
status = next(status_stream)
print(status) # вот здесь ПУСТО, но сервер точно передает статусы
time.sleep(1)
При этом данные есть, а мониторинг возращает пустое значение. Как исправить ситуацию и заставить мониторинг monitoring читать данные? Да, что интересно. Если прервать работу скрипта и перезапустить, то данные не читаются (stub.getData) а статусы из мониторинга (stub.monitoring) читаются. Спасибо!
Имеется датафрейм df
values
date
2021-01-01 3
2021-01-02 0
2021-01-03 0
2021-01-04 0
2021-01-05 0
...
2021-02-05 0
2021-02-06 0
2021-02-07 1
При прорисовки гистограммы для него даты перекрывают друг други и не читаются
ax = df.plot(kind='bar')
Если добавить метки только за месяц - то вообще ничего не отображается, хотя данных больше чем за месяц
ax.xaxis.set_major_locator(mdates.MonthLocator())
Как отформатировать (хотябы просто прорядить) прорисоку меток в pandas?
Из [1] следует, что сессия Session() д.б. едина в приложениии. А что делать, если в основной программе нужно открыть сессию и в отдельном процессе-демоне нужно открыть сесссию к одной и тойже БД.
[1] https://docs.sqlalchemy.org/en/13/orm/session_basics.html
Имеется табличка:
id | createdDate | user | kind | team
----+-------------+------+------+--------
2 | 2020-12-12 | y | A | red
3 | 2020-12-12 | z | A | blue
4 | 2020-12-12 | y | A | green
1 | 2020-09-11 | x | A | red
5 | 2020-12-13 | q | B | orange
6 | 2020-12-22 | t | A | green
При выполнении группировки в список попадают значения поля user:
session.query(A.team, func.array_agg(A.user, type_=ARRAY(String)),
func.count(A.user)).group_by(A.team).filter(A.kind == 'A')
('blue', ['z'], 1)
('green', ['y', 't'], 2)
('red', ['y', 'x'], 2)
('blue', [('2020-12-12', 'z', 'A', 'blue', '2020-10-10')], 1)
('green', [('2020-12-12', 'y', 'A', 'green', '2020-11-10'), ('2020-12-22', 't', 'A', 'green', '2020-11-10')], 2)
('red', [('2020-12-12', 'y', 'A', 'red', '2020-10-10'), ('2020-09-11', 'x', 'A', 'red', '2020-10-10')], 2)
P.S. вроде можно заджойница, но не могу синтаксически построить конструкцию никак
session.query(A.team, func.array_agg(A.id, type_=ARRAY(Integer)),
func.count(A.id)).group_by(A.team).filter(A.kind == 'A') ... .join(A ...)
имеется таблица
user | kind | team
------+------+--------
y | A | red
z | A | blue
y | A | green
x | A | red
q | B | orange
t | A | green
и вот такая выборка
session.query(A.team, func.array_agg(A.user, type_=ARRAY(String)),
func.count(A.user)).group_by(A.team)\
.filter(A.kind == 'A')
('blue', ['z'], 1)
('green', ['y', 't'], 2)
('red', ['y', 'x'], 2)
Как бы мне к ней сделать метод slice(idx1, idx2), который будет порционно выдавать списки пользователей? Например,
slice(0,3)
('blue', ['z'], 1)
('green', ['y', 't'], 2)
slice(3,4)
('red', ['y', 'x'], 2)
Хочу считать строки, начиная с конкретной даты, например 2020.12.13, но почему-то цепляется строка до этой даты.
>>> df = pd.DataFrame({'date': ['2020-12-12','2020-12-13'], 'value': [4, 5]})
>>> df.index = pd.to_datetime(df['date'])
>>> df.drop(['date'], axis='columns', inplace=True)
>>> df.at_time(datetime(year=2020,month=12,day=13))
value
date
2020-12-12 4
2020-12-13 5
Как корректно заюзать Engine и Session из SQLAlchemy для создания репозитория моделей? Нужно ли делать синглтон(ы) для них или пусть каждая модель запускает свой движек и сессию?
Base = declarative_base()
class A(Base):
...
class B(Base):
...
class Store:
def __init__(self):
psql = 'postgresql://user:123@localhost/pdb'
self.engine = create_engine(psql)
self.sessionMaker = sessionmaker(bind=self.engine)
self.sessionMaker = self.sessionMaker()
def __del__(self):
self.sessionMaker.commit()
self.sessionMaker.close_all()
class AStore(Store):
def reCreate(self):
Base.metadata.drop_all(bind=self.engine, tables=[A.__table__])
Base.metadata.create_all(self.engine, tables=[A.__table__])
def adds(self, rows):
for row in rows:
params = A(**row);
self.sessionMaker.add(params)
self.sessionMaker.commit()
class BStore(Store):
...
Как при группировки подставить собственную функцию, которая сожержимое столбцов запихивает в список.
class A(Base):
__tablename__ = 'A'
id = Column(Integer, primary_key=True)
a = Column(String)
b = Column(String)
=> select * from public."A";
id | a | b
----+---+---
1 | q | w
2 | q | v
3 | e | r
(3 rows)
Нужна своя функция, которая при группировки будет добавлять в список содержимое столбца
session.query(A.a, my_concatenate_funct).group_by(A.a)
('q', ['w', 'v'])
('e', ['r'])
Привет, всем! Имеется множество классов Python с типизированными полями.
from datetime import date
class A:
x: int = 1
y: date = date(2020, 12, 12)
def __init__(self, x:int, y:date):
self.x = x
self.y = y
def getX(self) -> int:
return self.x
def getY(self) -> date:
return self.y
...
class B:
z: float = 2.2
...
Можно ли сделать универсальную процедуру (лучше метод базового класса), генерирующую запрос SQL INSERT в стиле psycopg2
query = ("INSERT INTO A (x, y, ...) VALUES (%s, %s, ...)", (a.x, a.y, ...))
Спасибо.
| ← предыдущие |