Conversión de SQLAlchemy ORM a pandas DataFrame

Este tema no se ha abordado en un tiempo, aquí o en otro lugar. ¿Existe una solución para convertir un SQLAlchemy <Query object>en un DataFrame de pandas?

Pandas tiene la capacidad de usar, pandas.read_sqlpero esto requiere el uso de SQL sin formato. Tengo dos razones para querer evitarlo: 1) Ya tengo todo usando el ORM (una buena razón en sí misma) y 2) Estoy usando listas de Python como parte de la consulta (por ejemplo: ¿ .db.session.query(Item).filter(Item.symbol.in_(add_symbols)dónde Itemestá mi clase modelo y add_symbolses una lista). Este es el equivalente de SQL SELECT ... from ... WHERE ... IN.

¿Es posible algo?

A continuación debería funcionar en la mayoría de los casos:

df = pd.read_sql(query.statement, query.session.bind)

Consulte la pandas.read_sqldocumentación para obtener más información sobre los parámetros.

Solo para que esto sea más claro para los programadores de pandas novatos, aquí hay un ejemplo concreto,

pd.read_sql(session.query(Complaint).filter(Complaint.id == 2).statement,session.bind) 

Aquí seleccionamos una queja de la tabla de quejas (el modelo de sqlalchemy es Queja) con id = 2

La solución seleccionada no funcionó para mí, ya que seguía recibiendo el error

AttributeError: el objeto 'AnnotatedSelect' no tiene ningún atributo 'inferior'

Encontré lo siguiente funcionado:

df = pd.read_sql_query(query.statement, engine)

Si desea compilar una consulta con parámetros y argumentos específicos de dialecto, use algo como esto:

c = query.statement.compile(query.session.bind)
df = pandas.read_sql(c.string, query.session.bind, params=c.params)

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

engine = create_engine('postgresql://postgres:postgres@localhost:5432/DB', echo=False)
Base = declarative_base(bind=engine)
Session = sessionmaker(bind=engine)
session = Session()

conn = session.bind

class DailyTrendsTable(Base):

    __tablename__ = 'trends'
    __table_args__ = ({"schema": 'mf_analysis'})

    company_code = Column(DOUBLE_PRECISION, primary_key=True)
    rt_bullish_trending = Column(Integer)
    rt_bearish_trending = Column(Integer)
    rt_bullish_non_trending = Column(Integer)
    rt_bearish_non_trending = Column(Integer)
    gen_date = Column(Date, primary_key=True)

df_query = select([DailyTrendsTable])

df_data = pd.read_sql(rt_daily_query, con = conn)