作為數據工程師或者數據分析師，經常會跟各種數據打交道，其中，獲取數據這一關是無法避免的，下面，我就將自己時常工作中用到的數據連接配置模型分享出來，供大家交流。

MySQL數據庫
mysql數據庫是目前用的最多的數據庫之一，此處我做的是讀和寫的接口，而刪除和更新操作，一般不是分析師做的，而是開發，所以我沒有做這個。

     1 import MySQLdb
     2 import pandas as pd
     3 from sqlalchemy import create_engine
     4
     5 class con_analyze:
     6     """數據分析平臺連接"""
     7
     8     def __init__(self, database='myanalyze'):
     9         self.database = database
    10         self.conn = None
    11
    12     def connect(self):
    13         self.conn = MySQLdb.connect(host='***', user='root', passwd='***', db=self.database,
    14                                     charset='utf8')
    15
    16     def query(self, sql):
    17         try:
    18             self.connect()
    19             data = pd.read_sql(sql, self.conn)
    20         except (AttributeError, MySQLdb.OperationalError):
    21             self.connect()
    22             data = pd.read_sql(sql, self.conn)  # 讀取數據出現錯誤,再次連接
    23         return data
    24
    25     def store(self, mydataframe, table_name, if_exists='replace'):
    26         conn2 = "mysql+mysqldb://root:***@***:3306/%s" % self.database
    27         local_engine = create_engine(conn2)
    28         mydataframe.to_sql(table_name, local_engine, if_exists=if_exists, index=False, chunksize=10000)
    29
    30     '''還可以加一個函數用來執行單條sql語句,不僅僅是讀取數據，還可以update，create等'''

作為一個鏈接類來使用，初始化的時候給出的conn是None，只有在執行查詢函數的時候才創建鏈接，（鏈接中，我隱去了自己的host信息，你需要將自己的host填進去）
查詢的時候使用了try語句，如果鏈接不成功或者查詢不成功，就會出錯，如果是鏈接不成功，那就在異常中再次連接。關于重復執行一段代碼，有一個庫大家可以關注一下：tenacity 這個庫能讓你實現更優雅（pythonic）的代碼重復
此處讀取數據是使用pandas庫中的read_sql函數，此函數可以直接將查詢結果轉化成一個dataframe，方便了后面的分析工作
存儲功能也是使用dataframe的函數tosql，此函數是將一個df直接轉化成sql數據存入數據庫，如果tablename存在，可以選擇替換（replace）、增加（append）等，如果df很大很長，就需要設置一下chunksize參數
chunksize的設定，程序會自動將你的長達幾十萬行的df迭代存儲，每次只存儲10000行（這個數字是我設定的，你也可以改）。
看到這里，你可能會有疑問，為什么讀和寫的conn不一樣，一個是用 MySQLdb.connect創建，而另一個是用create_engine創建。我想說的是，后面這個conn2其實可以作為讀的連接參數，但是使用 MySQLdb.connect創建的連接卻不一定能用來寫，因為我在實踐中多次運行發生了錯誤，所以我就改了。
其實，其他的數據庫可以類似這種做法，給自己的項目配置一個連接類，使用的時候應該是這樣的：
首先，你需要把代碼放在一個單獨的配置文件，比如config.py中
然后在你需要使用的地方，導入此配置文件

 1 from config import con_analyze
 2
 3
 4 class AnalyzeData:
 5     def __init__(self):
 6         # 此處初始化，可以帶一個參數：database,默認為myanalyze
 7         self.conn = con_analyze()
 8         # self.conn2 = con_analyze("myanalyze_2")
 9
10     def get_data(self, sql):
11         # 執行sql查詢結果保存到df中
12         df = self.conn.query(sql=sql)
13
14     def store_data(self, df):
15         # 將dataframe類型的數據df，存入名為dd_name的數據表中
16         self.conn.store(df, 'db_name')

MongoDB

mongodb是一個非結構化數據庫，里面存儲的數據類似于json，是鍵值對的形式，如果你遇到了需要查詢mongodb中的數據，下面我就簡單介紹一下。
同樣，也是要建立一個類，這是為了規范。

1 import pymongo
 2 import pandas as pd
 3
 4 class Conn_Mongo:
 5     """mongo 數據庫連接"""
 6
 7     def __init__(self):
 8         self.mongo_utoken = pymongo.MongoClient('mongodb://***:27000').utoken  # 用戶表
 9
10     def get_user_data_mongo(self,list_id):
11         """
12         通過連接 mongo查找
13         """
14         user_data = pd.DataFrame(list(self.mongo_fotor.userinfo.find({'FToken': {'$in': list(list_id)}})))
15         return user_data

這個畢竟簡單，就是一個查詢操作，我是先傳入一串id，根據id找到對應的信息。一般來說，mongodb的庫容量都比較大，所以我是有針對的查詢相關信息。
這里用到了pymongo庫，通過它創建一個到相應地址（我用*隱掉了）的連接，后面的.utoken是對應的庫名稱，其實你也可以把它作為參數，在初始化的時候傳進去。
后面查詢的時候使用了find函數，其前面的userinfo是表的名稱，find的參數也是鍵值對的形式，這里我指定了鍵的名稱”FToken”，其值{‘$in’: list(list_id)}代表的意思是：在什么什么中。
將id 做成了一個list（為了大家理解，取名為list_id），相關語法大家可以查閱一下。
Flurry

如果你的工作涉及到了app的數據，那經常會使用Flurry獲取數據。
Flurry是一個移動統計平臺，雖然是國外的，但國內依然可以用（不像谷歌分析被禁了），ios和Android應用的運營數據都可以在上面統計查詢。
如果你還沒有，又想了解的，可以戳這里：Flurry（https://login.flurry.com/）
對，網頁瀏覽的話，界面就是這樣的。
常用的功能是用戶數據
以及功能點擊事件
不過，這不是我要說的重點，上面只是讓你看一下Flurry長什么樣，現在我要寫python接口，將這些數據取出。
Flurry的api地址，請戳這里：Flurry API
這是創建分析報告的api，有別于開發的api
首先，我們需要去申請一個app token，用于獲取連接權限，申請方法請參考：app access token(https://developer.yahoo.com/flurry/docs/api/code/apptoken/）
它是大一串字母
只要獲取到了這個token，我們就可以創建一個url，用于獲取Flurry里面的數據了，具體看如下的代碼：

import pandas as pd
import json, requests

 1 class Conn_Flurry:
 2     """flurry api data"""
 3     api_token = "******.****.****"
 4     headers = {'Authorization': 'Bearer {}'.format(api_token)}
 5     url = "https://api-metrics.flurry.com/public/v1/data/appEvent/day/app?metrics=activeDevices,newDevices,averageTimePerDevice&dateTime=2017-05-23/2017-05-24"
 6
 7     def get_results(self, url=url):
 8         '''
 9         這里使用的url是一個示例，也可以使用get_url函數創建需要的url傳入此函數作為參數
10         '''
11         data = requests.get(url, headers=self.headers)
12         cleaned = json.loads(data.text, 'utf-8')
13         cleaned = pd.DataFrame(cleaned['rows'])
14         return cleaned
15
16     def get_url(self, table='appEvent', timegrain='day', dimensions='app/event', metrics='occurrences',
17                 dateTime='2017-09-23/2017-05-24', filters=""):
18         '''
19         若filters為空， 不影響結果
20         標準的url：endpoint + '/table/timeGrain/dimension1/dimension2;show=all/dimension3{...}?metrics=[comma-separated-metrics]&dateTime=[..]&filters=[...]&topN=[..]&sort=[..]&having=[..]&format=[..]&timeZone=[..]'
21         App Usage url： endpoint+ "/appUsage/day?metrics=sessions,activeDevices,newDevices&dateTime=2016-06-01/2016-08-01&filters=app|name-in[appname]"
22         app event url: endpoint + "/appEvent/day/app/appVersion/event?metrics=occurrences&dateTime=2016-07-01/2016-07-03&filters=app|name-in[foo],event|name-in[login,register]"
23         app event url2: endpoint + "/appEvent/day/app/country?metrics=activeDevices,newDevices&dateTime=2016-07-01/2016-07-03&filters=app|name-in[foo],event|name-in[login]&topN=5&sort=activeDevices|desc"
24         event parameter: endpoint+ "/eventParams/day/app;show=all/event/paramName/paramValue?metrics=count&dateTime=2016-11-07/2016-11-08&filters=app|name-in[foo],event|name-in[level_complete]"
25         注意，dimensions的變化，當要看某一事件的具體信息時：app;show=all/event/paramName/paramValue，加了個show=all
26         注意filters里面filters的格式，可以選擇app名稱和事件名稱
27         注意timegrain和datetime的關系，常見的就是day和month，datetime的格式也要跟著變
28         '''
29         endpoint = 'https://api-metrics.flurry.com/public/v1/data'
30         url = "{}/{}/{}/{}?metrics={}&dateTime={}&filters={}".format(endpoint, table, timegrain, dimensions, metrics,
31                                                                      dateTime, filters)
32         return url

代碼稍微有點長，中間許多注釋行，但總的來說就是兩個步驟：

    構建url

    獲取url對應的結果
    但是細細說來，這里面涉及到的東西比較多，比如，為什么url的格式是這樣的，還有headers為什么是那樣構造的，還有結果的形式等等
    我想說的是，這些在官網api上已有很詳細的說明，我就不搬磚了，不過，如果你有任何疑問，歡迎在評論區留言，我知道的一定盡心解答。

1 url = self.conn_flurry.get_url('appUsage', 'month', 'app','averageTimePerSession,activeDevices,newDevices,sessions', self.time_range)
2 user_mobile = self.conn_flurry.get_results(url)

上面就是一個簡單的應用，其中time_range應該是這樣的格式

self.time_range = '2017-09/2017-10'

對于這個時間范圍，Flurry默認是左閉右開的，即不包含10月
同理，如果是這樣

'2017-09-23/2017-10-24'

那就代表從9月23號起，但是不包含10月24號的結果，這一點尤其要注意。如果你是拿某一段時間內的數據，就很容易忽略這點，導致少拿數據
如果是按天拿還好，有date這個維度，會提醒你到底拿到了哪些天的數據。