select_raw¶

FactTable.select_raw(columns=None, where=None, distinct=False, groupby=None, having=None, orderby=None, order=Order.asc, limit=None, offset=None)¶

根据查询条件从数据表获取数据

根据查询条件查询数据表接口并返回。数据类型将只含有 JSON基本数据类型

参数

columns (Optional[Iterable[Union[str, Term]]]) – 查询字段
where (Union[str, Term, EmptyCriterion, None]) – 查询条件（聚合条件也可以）
distinct (bool) – 是否使用select distinct语法
groupby (Optional[Iterable[Union[str, int, Term]]]) – 用于groupby的列
having (Optional[Iterable[Union[Term, EmptyCriterion]]]) – 用于having语句的条件
orderby (Optional[Iterable[Union[str, Field]]]) – 用于orderby的列
order (Union[Order, str]) – orderby的顺序，ASC/DESC
limit (Optional[int]) – limit限制返回数据量
offset (Optional[int]) – offset偏移量

示例

import pypika.functions as pf
tbl = DataTableMySQL("example")
t = tbl.table

执行全表查询
tbl.select()

指定列查询，对数据列使用公式

columns = [
    'col_a',
    pf.Max('col_b'),
    t.col_c,
    t.col_d + 25,
    pf.Avg(t.col_e)
]
tbl.select(columns)

将执行sql：

SELECT
    `col_a`,
    MAX('col_b'),
    `col_c`,
    `col_d`+ 25,
    AVG(`col_e`)
FROM
    `example`

指定查询条件

where = (
    ((t.col_a > 1) | (t.col_b == '23'))
    &
    (t.col_c.isin([1, 2, 3]) | t.col_d.like('f%'))
)
tbl.select(where=where)

将执行sql：

SELECT
    *
FROM
    `example`
WHERE
    (`col_a`>1
    OR `col_b`= '23')
    AND (`col_c` IN (1, 2, 3)
    OR `col_d` LIKE 'f%')

聚合条件等

tbl.select(
    [pf.Max('col_a')],
    groupby=[t.col_c],
    limit=10,
    offset=5,
)

将执行sql：

SELECT
    MAX('col_a')
FROM
    `example`
GROUP BY
    `col_c`
LIMIT 10 OFFSET 5

警告

虽然目前参数where可以接收str类型，但这种支持会在将来被移除。因为这会导致最终执行SQL：

"SELECT {distinct} {fields} FROM {table_name} WHERE {where}"

即groupby，limit等参数都将失效，虽然可以写在where条件中，但这种方式会使你的代码可读性下降，因此并不被推荐。请务必按照示例中的写法使用本方法，否则您可能在代码中看到一些 warning甚至在将来无法使用。

参见

如果希望返回 DataFrame 的数据，可以使用 select

返回类型

List[dict]

返回

形如 [{column -> value}, … , {column -> value}] 的数据。

例如原始数据为

col1	col2
1	2
3	4

则返回 [{'col1': 1, 'col2': 2}, {'col1': 3, 'col2': 4}] 。