ГУАП

КАФЕДРА № 41

ОТЧЕТ ЗАЩИЩЕН С ОЦЕНКОЙ

ПРЕПОДАВАТЕЛЬ

старший преподаватель				Б.К. Акопян
должность, уч. степень, звание		подпись, дата		инициалы, фамилия

ОТЧЕТ О ЛАБОРАТОРНОЙ РАБОТЕ №7

ВИЗУАЛИЗАЦИЯ ДАННЫХ ИЗ СУБД POSTGRESQL В PYTHON

по курсу: БАЗЫ ДАННЫХ

РАБОТУ ВЫПОЛНИЛ

СТУДЕНТ ГР. №
				подпись, дата		инициалы, фамилия

Санкт-Петербург 2024

Цель работы:

Произвести связь базы данных в PostgreSQL и Python, изучить операции по манипулированию с данными БД, выполнить анализ данных в БД с помощью визуализации в Python.

Ход работы:

Вариант задания представлен на рисунке 1.

Рисунок 1 – Вариант задания

Первые два графика по заданию представлены на рисунках 2, 3. Для их реализации использовались запросы с JOIN и GROUP BY.

Рисунок 2 – Максимальная зарплата по отделу менеджера

У менеджера Steven King в отделе имеется сотрудник с самой большой ЗП – 24000.

Рисунок 3 – Минимальная зарплата по отделу

Самая низкая минимальная ЗП в отделе Shipping.

На рисунках 4, 5 представлены модификации первых двух графиков. Были созданы и вызваны функции для получения результата в ограниченном пользователем диапазоне.

Рисунок 4 – Максимальная зарплата по отделу менеджера в диапазоне от 10000 до 50000

Рисунок 5 – Минимальная зарплата по отделу в диапазоне от 10000 до 50000

На рисунке 6 представлен график с использованием таблицы locations.

Рисунок 6 – Число работников в городах

Больше трети сотрудников располагаются в трех городах: Whitehorse, Hiroshima, Seattle.

На рисунке 7 представлен вывод датафреймов, использующихся для построения графиков в Python. Полный листинг кода расположен в приложении.

Рисунок 7 – Вывод в Python

Вывод:

В ходе выполнения лабораторной работы были улучшены навыки работы с взаимодействием Python и PostgreSQL, с помощью библиотеки matplotlib построены столбчатая диаграмма, горизонтальная столбчатая диаграмма и круговая диаграмма. Библиотека psycopg2 позволила осуществить подключение к БД, реализовать процедуры для выборки с заданным пользователем диапазоном, перенос таблиц в датафреймы Python для построения графиков.

Список используемых источников:

1. A.В. Аграновский, В.В. Боженко, Е.Л. Турнецкая. - Учебно-методическое пособие «Разработка и администрирование базы данных с открытым исходным кодом» ‒ СПб.: ГУАП, 2022

2. Документация PostgreSQL, URL: https://www.postgresql.org/docs/ (Дата обращения 26.02.2024).

3. Документация Python, URL: https://docs.python.org/3/ (Дата обращения 26.02.2024).

ПРИЛОЖЕНИЕ

Листинг кода Python:

import pandas as pd

import psycopg2

import matplotlib.pyplot as plt

connection = psycopg2.connect(database="students",

user="postgres",

password="root",

host="127.0.0.1",

port="5432")

cursor = connection.cursor()

with connection.cursor() as cursor:

# 1

sql = '''

SELECT

CONCAT(e.last_name,' ', e.first_name) AS manager,

MAX(e.salary) AS max_dept_salary

FROM

employees e

JOIN

departments d ON e.employee_id = d.manager_id

GROUP BY

manager

;

'''

cursor.execute(sql)

rows = cursor.fetchall()

df_first = pd.DataFrame(rows)

# 2

sql = '''

SELECT

d.department_name AS department,

MIN(e.salary) AS min__dept_salary

FROM

departments d

JOIN

employees e ON d.department_id = e.department_id

GROUP BY

d.department_name

;

'''

cursor.execute(sql)

rows = cursor.fetchall()

df_second = pd.DataFrame(rows)

# 1 с модификацией

sql = '''

CREATE OR REPLACE FUNCTION get_managers_in_salary_range(min INT, max INT)

RETURNS TABLE (

manager TEXT,

max_dept_salary INT

) AS $$

SELECT

CONCAT(e.last_name,' ', e.first_name) AS manager,

MAX(e.salary) AS max_dept_salary

FROM

employees e

JOIN

departments d ON e.employee_id = d.manager_id

WHERE

e.salary BETWEEN min AND max

GROUP BY

manager

;

$$ LANGUAGE SQL

;

SELECT * FROM get_managers_in_salary_range(10000, 50000);

'''

cursor.execute(sql)

rows = cursor.fetchall()

df_first_mod = pd.DataFrame(rows)

# 2 с модификацией

sql = '''

CREATE OR REPLACE FUNCTION get_dept_in_salary_range(min INT, max INT)

RETURNS TABLE (

department_name TEXT,

min_dept_salary INT

) AS $$

SELECT

d.department_name AS department,

MIN(e.salary) AS min__dept_salary

FROM

departments d

JOIN

employees e ON d.department_id = e.department_id

WHERE

e.salary BETWEEN min AND max

GROUP BY

d.department_name

;

$$ LANGUAGE SQL

;

SELECT * FROM get_dept_in_salary_range(10000, 50000);

'''

cursor.execute(sql)

rows = cursor.fetchall()

df_second_mod = pd.DataFrame(rows)

# 5

sql = '''

SELECT

l.city,

COUNT(e.employee_id) AS number_of_employees

FROM

locations l

LEFT JOIN

employees e ON l.location_id = e.location_id

GROUP BY

l.location_id, l.city

;

'''

cursor.execute(sql)

rows = cursor.fetchall()

df_cities = pd.DataFrame(rows)

connection.close()

# 1

print('Максимальная зарпалата по отделу менеджера')

print(df_first,"\n")

fig, ax = plt.subplots()

bars = plt.bar(df_first[0],df_first[1])

ax.bar_label(bars)

ax.spines[['right', 'top']].set_visible(False)

plt.title('Максимальная зарпалата по отделу менеджера')

# 2

print('Минимальная зарплата по отделу')

print(df_second,"\n")

fig, ax = plt.subplots()

bars = plt.bar(df_second[0], df_second[1])

ax.bar_label(bars)

ax.spines[['right', 'top']].set_visible(False)

plt.title('Минимальная зарплата по отделу')

# 1 с модификацией

print('Максимальная зарпалата по отделу менеджера в диапазоне')

print(df_first_mod,"\n")

fig, ax = plt.subplots()

bars = plt.barh(df_first_mod[0], df_first_mod[1], color='orange')

ax.bar_label(bars)

ax.spines[['right', 'top', 'bottom']].set_visible(False)

plt.title('Максимальная зарпалата по отделу менеджера в диапазоне')

# 2 с модификацией

print('Минимальная зарплата по отделу в диапазоне')

print(df_second_mod,"\n")

fig, ax = plt.subplots()

bars = plt.barh(df_second_mod[0], df_second_mod[1], color='green')

ax.bar_label(bars)

ax.spines[['right', 'top', 'bottom']].set_visible(False)

plt.title('Минимальная зарплата по отделу в диапазоне')

# 5

print('Число работников в городах')

print(df_cities,"\n")

plt.figure()

def make_autopct(values):

def my_autopct(pct):

total = sum(values)

val = int(round(pct*total/100.0))

return '{p:.0f}% ({v:d})'.format(p=pct,v=val)

return my_autopct

plt.pie(df_cities[1], labels=df_cities[0], autopct=make_autopct(df_cities[1]))

plt.textprops={'size': 'x-large'}

plt.title('Число работников в городах')

plt.show()