Complexere SQL-queries

Gestroomlijnde data-inname met pandas

Amany Mahfouz

Instructor

UNIQUE/DISTINCT-waarden ophalen

Unieke waarden voor één of meer kolommen met SELECT DISTINCT

Syntax:

SELECT DISTINCT [column names] FROM [table];

Dubbele records verwijderen:
```
SELECT DISTINCT * FROM [table];
```

/* Unieke straatadressen en boroughs */
SELECT DISTINCT incident_address, 
       borough
  FROM hpd311calls;

Aggregatiefuncties

Vraag een database direct uit voor beschrijvende statistieken
Aggregatiefuncties
- SUM
- AVG
- MAX
- MIN
- COUNT

Aggregatiefuncties

SUM, AVG, MAX, MIN
- Elk neemt één kolomnaam
```
SELECT AVG(tmax) FROM weather;
```

COUNT

Aantal rijen dat aan de queryvoorwaarden voldoet
```
SELECT COUNT(*) FROM [table_name];
```

Aantal unieke waarden in een kolom

SELECT COUNT(DISTINCT [column_names]) FROM [table_name];

GROUP BY

Aggregatiefuncties geven standaard één samenvattende waarde
Vat data per categorie samen met GROUP BY
Selecteer ook de kolom waarop je groepeert

/* Aantal plumbing-meldingen per borough */
SELECT borough, 
       COUNT(*) 
  FROM hpd311calls
 WHERE complaint_type = 'PLUMBING'
 GROUP BY borough;

Tellen per groep

# Create database engine
engine = create_engine("sqlite:///data.db")


# Write query to get plumbing call counts by borough
query = """SELECT borough, COUNT(*) 
             FROM hpd311calls
            WHERE complaint_type = 'PLUMBING'
            GROUP BY borough;"""


# Query databse and create dataframe
plumbing_call_counts = pd.read_sql(query, engine)

Tellen per groep

print(plumbing_call_counts)

         borough  COUNT(*)
0          BRONX      2016
1       BROOKLYN      2702
2      MANHATTAN      1413
3         QUEENS       808
4  STATEN ISLAND       178

Laten we oefenen!

Gestroomlijnde data-inname met pandas