Как вставить массивы в базу данных?

Ответ 1

Вы, вероятно, захотите начать с таблицы dogs, содержащей все плоские (не массивные) данные для каждой собаки, вещи, которые у каждой собаки есть, например имя, пол и возраст:

CREATE TABLE `dogs` (
  `id` INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  `name` VARCHAR(64),
  `age` INT UNSIGNED,
  `sex` ENUM('Male','Female')
);

Оттуда у каждой собаки есть "много" измерений, поэтому вам нужна таблица dog_mesaurements для хранения 24 измерений:

CREATE TABLE `dog_measurements` (
  `id` INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  `dog_id` INT UNSIGNED NOT NULL,
  `paw` ENUM ('Front Left','Front Right','Rear Left','Rear Right'),
  `taken_at` DATETIME NOT NULL
);

Затем, когда вы делаете измерение, вы INSERT INTO dog_measurements (dog_id,taken_at) VALUES (*?*, NOW()); где *? * - идентификатор собаки из таблицы dogs.

Затем вам понадобятся таблицы для хранения фактических кадров для каждого измерения, например:

CREATE TABLE `dog_measurement_data` (
  `id` INT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
  `dog_measurement_id` INT UNSIGNED NOT NULL,
  `frame` INT UNSIGNED,
  `sensor_row` INT UNSIGNED,
  `sensor_col` INT UNSIGNED,
  `value` NUMBER
);

Таким образом, для каждого из 250 кадров вы проходите через каждый из 63 датчиков и сохраняете значение для этого датчика с номером кадра в базе данных:

INSERT INTO `dog_measurement_data` (`dog_measurement_id`,`frame`,`sensor_row`,`sensor_col`,`value`) VALUES
(*measurement_id?*, *frame_number?*, *sensor_row?*, *sensor_col?*, *value?*)

Очевидно, замените measure_id?, frame_number?, sensor_number?, value? с реальными значениями: -)

Таким образом, каждый dog_measurement_data является единственным значением датчика для данного кадра. Таким образом, чтобы получить все значения датчиков для всего заданного кадра, вы должны:

SELECT `sensor_row`,sensor_col`,`value` FROM `dog_measurement_data`
WHERE `dog_measurement_id`=*some measurement id* AND `frame`=*some frame number*
ORDER BY `sensor_row`,`sensor_col`

И это даст вам все строки и столбцы для этого фрейма.

Ответ 2

Django имеет библиотеку для инкапсуляции всей работы базы данных в классы Python, поэтому вам не нужно связываться с сырым SQL пока вы не будете делать что-то действительно умное. Несмотря на то, что Django является основой для веб-приложений, вы можете использовать ORM базы данных.

Модели Josh будут выглядеть в Python с помощью Django:

from django.db import models

class Dog(models.Model):
    # Might want to look at storing birthday instead of age.
    # If you track age, you probably need another field telling
    # you when in the year age goes up by 1... and at that point,
    # you're really storing a birthday.
    name = models.CharField(max_length=64)
    age = models.IntegerField()
    genders = [
        ('M', 'Male'),
        ('F', 'Female'),
    ]
    gender = models.CharField(max_length=1, choices=genders)

class Measurement(models.Model):
    dog = models.ForeignKey(Dog, related_name="measurements")
    paws = [
        ('FL', 'Front Left'),
        ('FR', 'Front Right'),
        ('RL', 'Rear Left'),
        ('RR', 'Rear Right'),
    ]
    paw = models.CharField(max_length=2, choices=paws)
    taken_at = models.DateTimeField(default=date, auto_now_add=True)

class Measurement_Point(models.Model):
    measurement = models.ForeignKey(Measurement, related_name="data_points")
    frame = models.IntegerField()
    sensor_row = models.PositiveIntegerField()
    sensor_col = models.PositiveIntegerField()
    value = models.FloatField()

    class Meta:
        ordering = ['frame', 'sensor_row', 'sensor_col']

Поля id создаются автоматически.

Затем вы можете делать такие вещи, как:

dog = Dog()
dog.name = "Pochi"
dog.age = 3
dog.gender = 'M'
# dog.gender will return 'M', and dog.get_gender_display() will return 'Male'
dog.save()

# Or, written another way:
dog = Dog.objects.create(name="Fido", age=3, sex='M')

Чтобы выполнить измерение:

measurement = dog.measurements.create(paw='FL')
for frame in range(248):
    for row in range(255):
        for col in range(63):
            measurement.data_points.create(frame=frame, sensor_row=row, 
                sensor_col=col, value=myData[frame][row][col])

Наконец, чтобы получить кадр:

# For the sake of argument, assuming the dogs have unique names.
# If not, you'll need some more fields in the Dog model to disambiguate.
dog = Dog.objects.get(name="Pochi", sex='M')
# For example, grab the latest measurement...
measurement = dog.measurements.all().order_by('-taken_at')[0]
# `theFrameNumber` has to be set somewhere...
theFrame = measurement.filter(frame=theFrameNumber).values_list('value')

Примечание: это вернет список кортежей (например, [(1.5,), (1.8,), ... ]), так как values_list() может сразу извлекать сразу несколько полей. Я не знаком с NumPy, но я бы предположил, что у него есть функция, аналогичная функции Matlab reshape для переназначения векторов на матрицы.

Ответ 3

Я думаю, что вы не можете понять, как разместить 2D-данные в базе данных.

Если вы думаете о соотношении между двумя столбцами, вы можете рассматривать его как 2D-данные с 1-м столбцом как данные оси X и 2-й столбец как данные оси Y. Аналогично для 3D-данных.

Наконец, ваш db должен выглядеть так:

Table: Dogs
    Columns: DogId, DogName -- contains data for each dog

Table: Measurements
    Columns: DogId, MeasurementId, 3D_DataId, 2D_DataId -- contains measurements of each dog

Table: 3D_data
    Columns: 3D_DataId, 3D_X, 3D_Y, 3D_Z -- contains all 3D data of a measurement

Table: 2D_data
    Columns: 2D_DataId, 2D_X, 2D_Y -- contains all 2D data of a measurement

Также вы можете захотеть сохранить 3D-данные и данные 2D в заказе. В этом случае вам нужно будет добавить столбец для хранения этого порядка в таблице трехмерных данных и 2D-данных

Ответ 4

Единственное, что я хотел бы добавить к ответу Джоша, это то, что если вам не нужно запрашивать отдельные кадры или датчики, просто храните массивы в виде BLOB в таблице dog_measurement_data. Я сделал это раньше с большим двоичным набором данных датчика, и это получилось хорошо. Вы в основном запрашиваете 2d и 3d массивы с каждым измерением и обрабатываете их в коде вместо базы данных.

Ответ 5

Я много выиграл от sqlalchemy package; это объектный реляционный сопоставитель. Это означает, что вы можете создать очень четкое и четкое разделение между вашими объектами и вашими данными:

Базы данных SQL ведут себя как объект коллекции больше размера и производительность начинает иметь значение; объект коллекции ведут себя как таблицы и строки больше начинается абстракция имеет значения. SQLAlchemy направлена ​​на учитывать оба эти принципа.

Вы можете создавать объекты, представляющие ваши разные существительные (Dog, Measurement, Plate и т.д.). Затем вы создаете таблицу через конструкторы sqlalchemy, которая будет содержать все данные, которые вы хотите связать, например, с объектом Dog. Наконец, вы создаете mapper между объектом Dog и dog_table.

Это трудно понять без примера, и я не буду воспроизводить его здесь. Вместо этого, пожалуйста, начните с чтения данного примера, а затем изучите этот учебник.

Как только вы сможете думать о своих Dogs и Measurements, как вы это делаете в реальном мире (то есть сами объекты), вы можете начать факторинг данных, которые их создают.

Наконец, постарайтесь не вступать в брак с вашими данными в определенном формате (как в настоящее время, используя массивы numpy). Вместо этого вы можете думать о простых числах, а затем преобразовывать их по требованию в конкретный формат, который требует ваше текущее приложение (в соответствии с парадигмой Model-View-Controller).

Удачи!

Ответ 6

Из вашего описания я настоятельно рекомендую заглянуть в PyTables. Это не реляционная база данных в традиционном смысле, она имеет большинство функций, которые вы, вероятно, будете использовать (например, запрос), позволяя легко хранить большие многомерные наборы данных и их атрибуты. В качестве дополнительного бонуса он тесно интегрирован с numpy.