SyntaxError: EOL while scanning string literal

目录

SyntaxError: EOL while scanning string literal

问题：

解决：

完整错误：

---

问题：

#
import cx_Oracle

from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy import Column, Integer, String, DateTime, Boolean,Float


class OracleDB(object):
    Base = declarative_base()
    def __init__(self,user='xxxx',password='xxxx',dabatase='xxxx',serverip='1.1.1.1',port='1'):
        user = user #'root'  
        password = password 
        database = dabatase  
        serverip = serverip 
        dns = cx_Oracle.makedsn(serverip, port, service_name=dabatase)
        self.engine = create_engine("oracle://"+user+":"+password+"@" + dns, encoding='utf-8', echo=True)
        # Session = sessionmaker(bind=self.engine)
        # self.session = Session()
    def getEngine(self):
        return self.engine


engine = OracleDB().getEngine()



sql = "select distinct,productid,time,power,health,restore,sales,flow_history,weight,current,resistance,material,hot,name,value1,value2,value3,value4,height,width,length from x where flow_history in ('BD','DA','AR','NV') and time>sysdate-1 order by id desc


res = pd.read_sql(sql,engine)
res.head()

解决：

发生这种情况的原因是末尾的引号没有加、无论是单引号还是双引号没有加。

完整错误：

  File "<ipython-input-3-6999a4d9d707>", line 1
    sql = "select distinct,productid,time,power,health,restore,sales,flow_history,weight,current,resistance,material,hot,name,value1,value2,value3,value4,height,width,length from x where flow_history in ('BD','DA','AR','NV') and time>sysdate-1 order by id desc
                                                                                                                                                                                                                                                                    ^
SyntaxError: EOL while scanning string literal

Pandas 库是一个免费、开源的第三方 Python 库，是 Python 数据分析必不可少的工具之一，它为 Python 数据分析提供了高性能，且易于使用的数据结构，即 Series 和 DataFrame。Pandas 自诞生后被应用于众多的领域，比如金融、统计学、社会科学、建筑工程等。

Pandas 库基于 Python NumPy 库开发而来，因此，它可以与 Python 的科学计算库配合使用。Pandas 提供了两种数据结构，分别是 Series（一维数组结构）与 DataFrame（二维数组结构），这两种数据结构极大地增强的了 Pandas 的数据分析能力。我们将学习 Python Pandas 的各种方法、特性以及如何在实践中运用它们。

Pandas 是 Python 语言的一个扩展程序库，用于数据分析。

Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。

Pandas 名字衍生自术语 "panel data"（面板数据）和 "Python data analysis"（Python 数据分析）。

Pandas 一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算）。

Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。

Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。

Pandas 广泛应用在学术、金融、统计学等各个数据分析领域。

Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。