pyhive入门介绍和实例分析（探索票价与景点评分之间是否存在相关性）

本文主要是介绍pyhive入门介绍和实例分析（探索票价与景点评分之间是否存在相关性），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

介绍

PyHive 是一组 Python DB-API 和 SQLAlchemy 接口，可用于 Presto 和 Hive。它为 Python 提供了一个与 Presto 和 Hive 进行交互的平台，使得数据分析师和工程师可以更方便地进行数据处理和分析。

以下是使用 PyHive 进行数据分析时需要注意的几点：

安装和配置：在开始之前，确保已经安装了以下软件：
- Pip
- Python 建议使用anaconda方便管理
- JDK 注意兼容性
- Hive 或 Presto
- 版本兼容性: 确保 PyHive 版本与 Hive 或 Presto 版本兼容。不同版本之间可能会有一些差异，需注意兼容性。
  安装 PyHive 可以使用以下命令：
```
pip install pyhive [hive]
```
如果你想安装 Presto 驱动器，请使用以下命令：
```
pip install pyhive [presto]
```
连接 Hive 数据库：使用 PyHive 连接 Hive 数据库非常简单。你需要传递正确的连接参数，例如：
```
from pyhive import hive
connection = hive.Connection(host='localhost', port=10000, database='mydatabase')
```

执行查询：使用 PyHive 执行查询也很容易，只需使用游标对象来执行查询：

cursor = connection.cursor()
cursor.execute('SELECT * FROM mytable')
result = cursor.fetchall()
for row in result:print(row)

使用 Pandas 进行数据分析：如果你更喜欢使用 Pandas 进行数据分析，可以将查询结果转换为 Pandas DataFrame：
```
import pandas as pd
df = pd.read_sql('SELECT * FROM mytable', connection)
print(df)
```

代码示例

from pyhive import hive# 设置连接参数
host = 'your_host'
port = 10000
username = 'your_username'
password = 'your_password'
database = 'your_database'# 建立连接
conn = hive.Connection(host=host, port=port, username=username, password=password, database=database)# 创建 Cursor 对象
cursor = conn.cursor()# 执行查询
query = "SELECT * FROM your_table LIMIT 10"
cursor.execute(query)# 获取查询结果
results = cursor.fetchall()# 处理结果
for row in results:print(row)# 关闭连接
cursor.close()
conn.close()

分析实例

现有两个hive表，表结构大约为：

需要实现需求：

票价与评分的关系： 探索票价与景点评分之间是否存在相关性。分析不同票价档次下景点的评分分布情况，以确定价格对游客评价的影响程度。

首先找到所有非空的景区，

在xiecheng表中找到所有averagescore不为null的数据，在qvna表中找到所有price不为null的数据。

联合查询：
将两表所需数据放在一起。

将查询到的数据放到新的表中以方便后续查找和使用：

分类查找并计算平均值：

代码：


# Author: 冷月半明
# Date: 2023/12/6
# Description: This script does XYZ.from pyhive import hivedef creatConnection():conn = hive.Connection(host='******', port=10000, username='root')return conn# 连接到 Hive
conn = creatConnection()
cursor = conn.cursor()# 进入数据库
query = "use cjw_data"
cursor.execute(query)
# 查询去哪价格非空的景区
# query = "SELECT id,price FROM qvna WHERE price IS NOT NULL"
# 查询携程平均分非空的景区
# query = "SELECT id,averagescore FROM xiecheng WHERE averagescore IS NOT NULL"
# 将查询到的id，title，价格，平均分等数据存储到新的表中
# query = "CREATE TABLE priceAndCore AS " \
#         "SELECT qvna_clean.id,title,price,averagescore "\
# "FROM "\
# "    (SELECT id ,title,price FROM qvna WHERE price IS NOT NULL) AS qvna_clean "\
# "JOIN "\
# "    (SELECT id,averagescore FROM xiecheng WHERE averagescore IS NOT NULL) AS xiecheng_clean "\
# "ON qvna_clean.id = xiecheng_clean.id " \
#         # " LIMIT 5"\# 计算各个区间票价景点之间的平均评价分
query = "SELECT "\" CASE "\"     WHEN price <= 50 THEN '低' "\" WHEN price <= 100 THEN '中' "\"  ELSE '高' "\"  END AS price_level, "\"AVG(averagescore) AS average_score "\
"FROM "\
"    priceAndCore "\
"GROUP BY "\
"    CASE "\
"        WHEN price <= 50 THEN '低' "\
"        WHEN price <= 100 THEN '中' "\
"        ELSE '高' "\
"    END"\# " LIMIT 5"\cursor.execute(query)
tables = cursor.fetchall()
print('行数',len(tables))# 打印数据库列表
for tables in tables:print(tables)# 关闭连接
cursor.close()
conn.close()