Requêtes SQL plus complexes

Ingestion de données rationalisée avec pandas

Amany Mahfouz

Instructor

Obtenir des valeurs DISTINCT

Obtenir des valeurs uniques pour une ou plusieurs colonnes avec SELECT DISTINCT

Syntaxe :

SELECT DISTINCT [column names] FROM [table];

Retirer les doublons :
```
SELECT DISTINCT * FROM [table];
```

/* Obtenir les adresses et arrondissements uniques */
SELECT DISTINCT incident_address, 
       borough
  FROM hpd311calls;

Fonctions d'agrégation

Interroger directement une base pour des statistiques descriptives
Fonctions d'agrégation
- SUM
- AVG
- MAX
- MIN
- COUNT

Fonctions d'agrégation

SUM, AVG, MAX, MIN
- Chacune prend un seul nom de colonne
```
SELECT AVG(tmax) FROM weather;
```
COUNT
- Obtenir le nombre de lignes qui satisfont les conditions
```
SELECT COUNT(*) FROM [table_name];
```
- Obtenir le nombre de valeurs uniques d'une colonne
```
SELECT COUNT(DISTINCT [column_names]) FROM [table_name];
```

GROUP BY

Par défaut, les fonctions d'agrégation calculent une seule statistique synthèse
Résumer par catégories avec GROUP BY
N'oubliez pas de sélectionner aussi la colonne de regroupement !

/* Compter les appels de plomberie par arrondissement */
SELECT borough, 
       COUNT(*) 
  FROM hpd311calls
 WHERE complaint_type = 'PLUMBING'
 GROUP BY borough;

Compter par groupes

# 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)

Compter par groupes

print(plumbing_call_counts)

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

Passons à la pratique !

Ingestion de données rationalisée avec pandas