Convertisseur de données : Google Sheets vers SQL, SQL vers Google Sheets

Les convertisseurs de données aident à convertir l'inventaire de données entre différents formats dans un format attendu que vous aimez utiliser, tel que SQL, CSV, JSON, XML, etc. Si vous cherchez des moyens de monétiser les données en vendant des données contactables comme les prospects B2B via une API ou un SaaS. Je pense que cet article peut vous aider à gérer votre inventaire de données en SQL et CSV.

Ainsi, dans ce chapitre, je vais vous expliquer comment créer un convertisseur de données pour convertir l'inventaire de données CSV ou Google Sheets en SQL. Inversement, il vous indique également comment transformer SQL en CSV ou Google Sheets. Ce didacticiel utilisera Sqlite3, qui convient généralement aux développeurs pour créer des applications. La méthodologie est partagée avec SQL.

Table des matières : Convertisseur de données

• Convertisseur CSV vers SQL
• Convertisseur Google Sheets en SQL
• Convertisseur SQL vers CSV
• Convertisseur SQL vers Google Sheet
• Script Python complet du convertisseur de données pour convertir CSV en SQL, SQL en CSV, SQL en Google Sheet

Convertisseur de données – CSV vers SQL

Il existe 5 classes et méthodes Sqlite3 plus CSV et pandas utilisés dans la construction d'un convertisseur de données.

Connect() – Création d'une connexion à une base de données SQLite

La fonction sqlite3 connect() renvoie un objet Connection que nous utiliserons pour interagir avec la base de données SQLite contenue dans le fichier. Par exemple, ici nous créons un nouveau nom de fichier DB dans b2bcontacts.DB

connection = sqlite3.connect("ceInfluencer.db")

Cursor() and Execute() – Créer une nouvelle table de données dans le fichier DB

Le sqlite3. La classe Cursor est une instance à l'aide de laquelle vous pouvez invoquer des méthodes qui exécutent des instructions SQLite, récupèrent des données à partir des ensembles de résultats des requêtes. Vous pouvez créer un objet Cursor à l'aide de la méthode cursor() de l'objet et de la classe Connection.

cursor = connection.cursor()

Ensuite, sqlite3 execute est la commande permettant d'exécuter un code ou un script pour exécuter quelque chose que vous voulez. Ici, nous devons créer une nouvelle table nommée en perspective. Dans le tableau des prospects. Nous devons également ajouter le nom de la colonne et catégoriser le type de données, qui est soit texte, entier, flottant, etc. Et il y a respectivement un " ''' au début et à la fin de la dénomination de la colonne.

cursor.execute('''CREATE TABLE prospect(Category TEXT, Quality_Score TEXT, Country TEXT, B2BLead_Name TEXT, Email Contact TEXT)''')

Plus CSV et Pandas pour insérer les données dans le fichier DB

Nous devons maintenant générer les données de contact B2B que nous avons déjà dans un fichier CSV et transformer le format qui peut alimenter SQL en un instant. Ici, nous devons supprimer l'en-tête comme ci-dessus, nous avons créé un nouvel en-tête dans le fichier DB qui est utilisé dans l'application. Enfin, nous avons juste besoin d'ajouter et de cadrer les données à l'aide de Pandas

B2BData = []

with open("B2Bdata_Inventory.csv","r") as csv_file:

csv_reading = csv.reader(csv_file)

header = next(csv_reading)

if header != None:

for i in csv_reading:

column1 = i[0:]

B2BData.append(column1)

df = pd.DataFrame(influencerData)

Pour insérer chaque ligne de données dans le fichier DB, nous devons créer une boucle avec la longueur des données df. Il y a deux endroits que nous devons remarquer ici. L'une est la méthode VALUES où nous devons ajouter les points d'interrogation. Le nombre total d'entre eux est le même que le nombre de colonnes que nous avons créées ci-dessus.

for item in range(len(df)):

cursor.execute('''INSERT INTO influencer VALUES(?,?,?,?,?)''', df.iloc[item])

Deuxièmement, avec une liste d'entiers affectés à la variable d'élément, nous pouvons l'insérer dans le fichier db en utilisant df.iloc[item]. Cela signifie qu'il commande d'insérer chaque ligne des données df. Par exemple, si les données df ont 100 lignes, elles boucleraient 100 fois.

Commit () and Close ()

La méthode de validation consiste à s'assurer que toutes les modifications sont enregistrées dans le fichier de base de données, puis nous pouvons fermer le script après.

Convertisseur de données – Google Sheet en SQL

Par rapport au CSV vers SQL, la différence est de saisir d'abord la feuille de calcul Google et de les encadrer à l'aide de pandas. Le reste des étapes sont les mêmes que ci-dessus.

Pour récupérer les données de Google Sheet, nous pouvons utiliser le module gspread

• scope = ['https://www.googleapis.com/auth/spreadsheets','https://www.googleapis.com/auth/drive.file','https://www.googleapis.com/auth/drive']
• creds = ServiceAccountCredentials.from_json_keyfile_name('theGoogleServiceAccountJsonFile.json', scope)
• client = gspread.authorize(creds)
• sh = client.open('theSheetName')
• worksheet = sh.get_worksheet(theTabNumber)
• vLookupValue = worksheet.get_values(theDataRange')
• df = pd.DataFrame(vLookupValue)

Convertisseur de données – Convertisseur SQL vers CSV

La connexion au fichier DB que vous souhaitez convertir en fichier CSV est la 1ère étape. Ensuite, nous devons créer une boucle pour ajouter les données du fichier db de chaque ligne. Enfin, nous avons juste besoin de cadre de données et de l'enregistrer dans un fichier csv.

connection = sqlite3.connect('googleCompetitor.db')

googleData = []

data = connection.cursor()

for column in data.execute('SELECT * FROM influencer'):

googleData.append(column)

df = pd.DataFrame(googleData)

print(df)

df.to_csv('competitorTesting.csv', encoding='utf-8-sig')

Convertisseur SQL vers Google Sheet

Outre la connexion à la feuille Google et la sortie des données SQL, nous devons télécharger les données converties dans la feuille de calcul attribuée. Voici l'exemple si nous utilisons gspread.

df = pd.DataFrame(googleData)

value_list = sh.values_update("testing!A1", params={'valueInputOption': 'USER_ENTERED'},body=dict(values=df.T.reset_index().T.values.tolist()))

Script Python complet de convertisseurs de données pour convertir CSV en SQL, SQL en CSV, SQL en Google Sheet

Si vous êtes intéressé par le script Python complet du Chapitre 46 : Convertisseurs de données pour convertir CSV en SQL, SQL en CSV, Google Sheets en SQL, veuillez vous inscrire à notre newsletter en ajoutant le message "Chapitre 46" . Nous vous enverrions le script immédiatement dans votre boîte aux lettres.

J'espère que vous apprécierez la lecture du Chapitre 46 : Convertisseurs de données pour convertir CSV en SQL, SQL en CSV, Google Sheets en SQL. Si vous l'avez fait, veuillez nous soutenir en faisant l'une des choses énumérées ci-dessous, car cela aide toujours notre chaîne.

• Soutenez et faites un don à notre chaîne via PayPal ( paypal.me/Easy2digital )
• Abonnez-vous à ma chaîne et activez la cloche de notification Chaîne Youtube Easy2Digital .
• Suivez et aimez ma page Page Facebook Easy2Digital
• Partagez l'article sur votre réseau social avec le hashtag #easy2digital
• Achetez des produits avec le code de réduction Easy2Digital 10% OFF ( Easy2DigitalNewBuyers2021)
• Vous vous inscrivez à notre newsletter hebdomadaire pour recevoir les derniers articles, vidéos et codes de réduction Easy2Digital
• Abonnez-vous à notre abonnement mensuel via Patreon pour profiter d'avantages exclusifs ( www.patreon.com/louisludigital )