Bardziej złożone zapytania SQL

Sprawne importowanie danych z pandas

Amany Mahfouz

Instructor

Pobieranie wartości DISTINCT

Pobierz unikalne wartości kolumn za pomocą SELECT DISTINCT

Składnia:

SELECT DISTINCT [column names] FROM [table];

Usuń zduplikowane rekordy:
```
SELECT DISTINCT * FROM [table];
```

/* Get unique street addresses and boroughs */
SELECT DISTINCT incident_address, 
       borough
  FROM hpd311calls;

Funkcje agregujące

Pobierz statystyki opisowe bezpośrednio z bazy danych
Funkcje agregujące
- SUM
- AVG
- MAX
- MIN
- COUNT

Funkcje agregujące

SUM, AVG, MAX, MIN
- Każda przyjmuje nazwę jednej kolumny
```
SELECT AVG(tmax) FROM weather;
```
COUNT
- Zwraca liczbę wierszy spełniających warunki zapytania
```
SELECT COUNT(*) FROM [table_name];
```
- Zwraca liczbę unikalnych wartości w kolumnie
```
SELECT COUNT(DISTINCT [column_names]) FROM [table_name];
```

GROUP BY

Domyślnie funkcje agregujące obliczają jedną statystykę podsumowującą
Użyj instrukcji GROUP BY, aby grupować dane według kategorii
Pamiętaj, aby wybrać również kolumnę, według której grupujesz!

/* Get counts of plumbing calls by borough */
SELECT borough, 
       COUNT(*) 
  FROM hpd311calls
 WHERE complaint_type = 'PLUMBING'
 GROUP BY borough;

Liczenie według grup

# 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)

Liczenie według grup

print(plumbing_call_counts)

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

Czas na ćwiczenia!

Sprawne importowanie danych z pandas