Interogări SQL mai complexe

Ingestie eficientă a datelor cu pandas

Amany Mahfouz

Instructor

Obținerea valorilor DISTINCT

Obțineți valori unice pentru una sau mai multe coloane cu SELECT DISTINCT

Sintaxă:

SELECT DISTINCT [column names] FROM [table];

Eliminați înregistrările duplicate:
```
SELECT DISTINCT * FROM [table];
```

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

Funcții de agregare

Interogați direct baza de date pentru statistici descriptive
Funcții de agregare
- SUM
- AVG
- MAX
- MIN
- COUNT

Funcții de agregare

SUM, AVG, MAX, MIN
- Fiecare acceptă un singur nume de coloană
```
SELECT AVG(tmax) FROM weather;
```
COUNT
- Obțineți numărul de rânduri care îndeplinesc condițiile interogării
```
SELECT COUNT(*) FROM [table_name];
```
- Obțineți numărul de valori unice dintr-o coloană
```
SELECT COUNT(DISTINCT [column_names]) FROM [table_name];
```

GROUP BY

Funcțiile de agregare calculează implicit o singură statistică rezumativă
Rezumați datele pe categorii folosind instrucțiuni GROUP BY
Nu uitați să selectați și coloana după care grupați!

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

Numărare pe grupuri

# 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)

Numărare pe grupuri

print(plumbing_call_counts)

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

Să exersăm!

Ingestie eficientă a datelor cu pandas