벡터 데이터베이스를 이용한 고급 페이스북 이벤트 데이터 분석 수행

     import pandas as pd
from apify_client import ApifyClient
# API 토큰으로 ApifyClient 초기화
client = ApifyClient("Enter_your_apify_key_here")

# 액터 입력 준비
run_input = {
    "searchQueries": ["Sport New York"],
    "startUrls": [],
    "maxEvents": 50,
}

# 액터 실행 및 완료 대기
run = client.actor("UZBnerCFBo5FgGouO").call(run_input=run_input)

df_columns = ['Name', 'Datetime', 'Description', 'Users_Going', 'Users_Interested', 'Users_Responded', 'City', 'Organized_By', 'Street_Address']
dataframe1 = pd.DataFrame(columns=df_columns)

for item in client.dataset(run["defaultDatasetId"]).iterate_items():
    # None 값을 빈 문자열로 대체하는 사전 이항식 사용
    row = {
        'Name': item.get('name', ''),
        'Datetime': item.get('dateTimeSentence', ''),
        'Description': item.get('description', ''),
        'Users_Going': item.get('usersGoing', ''),
        'Users_Interested': item.get('usersInterested', ''),
        'Users_Responded': item.get('usersResponded', ''),
        'City': item.get('location', {}).get('city', '') if item.get('location') else '',
        'Organized_By': item.get('organizedBy', ''),
        'Street_Address': item.get('location', {}).get('streetAddress', '') if item.get('location') else ''
    }
    # 모든 None 값이 빈 문자열로 대체되었는지 확인
    row = {k: (v if v is not None else '') for k, v in row.items()}
    dataframe1 = dataframe1._append(row, ignore_index=True)

# 데이터 정리
dataframe1['Description'] = dataframe1['Description'].replace('\\n', '', regex=True)

     # 데이터 조작 및 날짜 파싱을 위해 필요한 라이브러리 가져오기
import pandas as pd
import numpy as np
from datetime import datetime
from dateutil import parser

# 범위를 나타내거나 단일 날짜를 나타낼 수 있는 날짜 문자열을 파싱하는 함수
def parse_dates(date_str):
    # 날짜 문자열에 대시가 있는지 확인하여 범위를 나타냄
    if '-' in date_str:
        parts = date_str.split('-')
        # 문자열이 두 부분으로 분할되면 유효한 범위임
        if len(parts) == 2:
            try:
                # 시작 및 종료 날짜를 파싱하고 읽기 쉬운 형식으로 포맷
                start_date = parser.parse(parts[0], fuzzy=True).strftime('%a, %b %d')
                end_date = parser.parse(parts[1], fuzzy=True).strftime('%a, %b %d')
                return start_date, end_date
            except ValueError:
                # 파싱 오류의 경우 아무것도 수행하지 않음(아래에서 처리)
                pass  
    # 범위가 아니거나 범위 파싱에 실패한 경우 단일 날짜로 파싱하려고 시도
    try:
        parsed_date = parser.parse(date_str, fuzzy=True)
        # 단일 날짜를 시작_날짜로 포맷하고 다르게 종료_날짜로 포맷
        start_date = parsed_date.strftime('%a, %b %d AT %I:%M %p EDT')
        end_date = parsed_date.strftime('%a, %b %d')  # Omitting time for end_date
        return start_date, end_date
    except ValueError:
        # 파싱에 실패하면 두 날짜 모두 NaN 반환
        return np.nan, np.nan  

# 날짜 문자열에서 상세 날짜, 시간 및 요일을 추출하는 함수
def extract_date_time_day(date_str):
    try:
        # 입력 형식에 대한 유연성을 허용하여 날짜 문자열 파싱
        parsed_date = parser.parse(date_str, fuzzy=True)
        # 날짜, 시간 및 요일 부분 추출 및 포맷
        date = parsed_date.strftime('%Y-%m-%d')
        day = parsed_date.strftime('%a')
        # 원래 문자열에 시간 구성 요소가 포함되어 있는지 확인
        time_component = parsed_date.strftime('%I:%M %p') not in date_str
        time = parsed_date.strftime('%H:%M:%S') if not time_component else np.nan
    except ValueError:
        # 파싱에 실패하면 날짜, 시간 및 요일을 NaN으로 설정
        date, time, day = np.nan, np.nan, np.nan
    
    return date, time, day

# parse_dates 함수를 데이터프레임 전체에 적용하여 시작 및 종료 날짜에 대한 새 열 생성
dataframe1[['Start_Date', 'End_Date']] = dataframe1.apply(lambda row: pd.Series(parse_dates(row['Datetime'])), axis=1)

# Start_Date가 NaN인 행 삭제, 파싱이 실패한 것으로 나타냄
dataframe = dataframe1.dropna(subset=['Start_Date'])

# extract_date_time_day를 적용하여 시작 및 종료 날짜를 별도의 날짜, 시간 및 요일 열로 분할
dataframe['Start_Date'], dataframe['Start_Time'], dataframe['Start_Day'] = zip(*dataframe['Start_Date'].apply(extract_date_time_day))
dataframe['End_Date'], _, dataframe['End_Day'] = zip(*dataframe['End_Date'].apply(extract_date_time_day))

# 더 이상 필요하지 않으므로 원래 'Datetime' 열 제거
dataframe=dataframe.drop(['Datetime'], axis=1)

# 'Start_Date' 및 'End_Date'를 datetime 형식으로 변환하여 날짜 부분만 추출
dataframe['Start_Date'] = pd.to_datetime(dataframe['Start_Date']).dt.date
dataframe['End_Date'] = pd.to_datetime(dataframe['End_Date']).dt.date

# 'Start_Time'을 datetime 형식으로 변환하여 시간 정보 유지
dataframe['Start_Time'] = pd.to_datetime(dataframe['Start_Time'])

     # OpenAI 라이브러리를 통한 API 접근 가져오기.
from openai import OpenAI 
# API 키로 OpenAI 클라이언트 초기화.
openai_client = OpenAI(api_key="your_openai_api_key_here")
# 텍스트 임베딩을 가져오는 함수 
def get_embedding(text, model="text-embedding-3-small"):
    return openai_client.embeddings.create(input=text, model=model).data
embeddings = get_embedding(dataframe["Description"].tolist())
# 임베딩 객체에서 임베딩 벡터 추출
vectors = [embedding.embedding for embedding in embeddings]
array = np.array(vectors)
embeddings_series = pd.Series(list(array))
# 임베딩을 DataFrame에 새 열로 추가.
dataframe['Description_Embeddings'] = embeddings_series

     import clickhouse_connect
client = clickhouse_connect.get_client(
    host='host_name_here',
    port=443,
    username='username_here',
    password='passwd_here'
)

     client.command("""
    CREATE TABLE default.Events (
    Name String,
    Description String,
    Users_Going Int64,
    Users_Interested Int64,
    Users_Responded Int64,
    City String,
    Organized_By String,
    Street_Address String,
    Start_Date Date32,
    End_Date Nullable(Date32),
    Start_Time Nullable(DateTime64),
    Start_Day String,
    End_Day String,
    Description_Embeddings Array(Float32),
    CONSTRAINT check_data_length CHECK length(Description_Embeddings) = 1536
    ) ENGINE = MergeTree()
    ORDER BY (Name);
    """)

     batch_size = 10  # Adjust based on your needs

num_batches = len(dataframe) // batch_size

for i in range(num_batches):
    start_idx = i * batch_size
    end_idx = start_idx + batch_size
    batch_data = dataframe[start_idx:end_idx]
    # print(batch_data["Description_Embeddings"])
    client.insert("default.Events", batch_data.to_records(index=False).tolist(), column_names=batch_data.columns.tolist())
    print(f"Batch {i+1}/{num_batches} inserted.")

client.command("""
ALTER TABLE default.Events
    ADD VECTOR INDEX vector_index Description_Embeddings
    TYPE MSTG
""")

     results=client.query("""
        SELECT Name,Description FROM default.Events LIMIT 10
    """)
for row in results.named_results():
        print(row["Name"])
        print(row['Description'])

     results = client.query(f"""
        SELECT Name, City, Users_Going, Users_Interested, Users_Responded
        FROM default.Events
        ORDER BY Users_Going DESC, Users_Interested DESC
        LIMIT 10
    """)
for row in results.named_results():
        print("Event Name  ", row["Name"])
        print("City ", row["City"])
        print("Users Going ", row["Users_Going"])
        print("Interested Users ", row["Users_Interested"])

     embeddings=get_embedding(["One of the Longest Running Shows in the Country - Operating since 1974 ...NOW our 50th YEAR !!!Our Schenectady"])
embeddi=embeddings[0].embedding
results = client.query(f"""
        SELECT Name,City, Description, Users_Going,distance(Description_Embeddings, {embeddi}) as dist
        FROM default.Events
        WHERE City LIKE '%New York%' and dist < 1.5
        ORDER BY Users_Going DESC,dist
        LIMIT 10
    """)
for row in results.named_results():
        print("Event Name  ", row["Name"])
        print("Description ", row["Description"])
        print("Users Going ", row["Users_Going"])