Läsa in flera tabeller med joins

Effektiv datainläsning med pandas

Amany Mahfouz

Instructor

Nycklar

Databasposter har unika identifierare, eller nycklar

311-samtalsdata med kolumnen unique_key markerad. Unika nycklar är tal.

Nycklar

Databasposter har unika identifierare, eller nycklar

Kurskatalogdata med kolumnen course_code markerad. Koder består av ämnesförkortningar och siffror.

Nycklar

Databasposter har unika identifierare, eller nycklar

Kurskatalogdata med kolumnen instructor_id markerad. Värden är 9-siffriga heltal.

Nycklar

Professortabell med kolumnen id markerad. Värden är 9-siffriga heltal, precis som instructor_id i kurskatalogen.

Nycklar

Kurskatalogdata med en injoinsterad kolumn för professorernas namn

Joina tabeller

Väderdata med kolumnen date markerad

311-samtalsdata med kolumnen created_date markerad

Joina tabeller

SELECT *
  FROM hpd311calls

Joina tabeller

SELECT *
  FROM hpd311calls
       JOIN weather 
       ON hpd311calls.created_date = weather.date;

Använd punktnotation (tabell.kolumn) när du arbetar med flera tabeller
En vanlig join returnerar bara poster vars nyckelvärden finns i båda tabellerna
Kontrollera att joinnycklarna har samma datatyp, annars ger de inga träffar

Joina och filtrera

/* Get only heat/hot water calls and join in weather data */
SELECT *
  FROM hpd311calls
       JOIN weather 
       ON hpd311calls.created_date = weather.date
 WHERE hpd311calls.complaint_type = 'HEAT/HOT WATER';

Joina och aggregera

/* Get call counts by borough */
SELECT hpd311calls.borough, 
         COUNT(*)
  FROM hpd311calls
 GROUP BY hpd311calls.borough;

Joina och aggregera

/* Get call counts by borough
   and join in population and housing counts */
SELECT hpd311calls.borough, 
       COUNT(*), 
       boro_census.total_population,
       boro_census.housing_units
  FROM hpd311calls
 GROUP BY hpd311calls.borough

Joina och aggregera

/* Get call counts by borough
   and join in population and housing counts */
SELECT hpd311calls.borough, 
       COUNT(*), 
       boro_census.total_population,
       boro_census.housing_units
  FROM hpd311calls
       JOIN boro_census 
       ON hpd311calls.borough = boro_census.borough
 GROUP BY hpd311calls.borough;

query = """SELECT hpd311calls.borough, 
                    COUNT(*), 
                    boro_census.total_population,
                    boro_census.housing_units
             FROM hpd311calls
                  JOIN boro_census 
                  ON hpd311calls.borough = boro_census.borough
            GROUP BY hpd311calls.borough;"""

call_counts = pd.read_sql(query, engine)
print(call_counts)

         borough  COUNT(*)  total_population  housing_units
0          BRONX     29874           1455846         524488
1       BROOKLYN     31722           2635121        1028383
2      MANHATTAN     20196           1653877         872645
3         QUEENS     11384           2339280         850422
4  STATEN ISLAND      1322            475948         179179

Repetition

SQL-nyckelordenes ordning
- SELECT
- FROM
- JOIN
- WHERE
- GROUP BY

Nu kör vi en övning!

Effektiv datainläsning med pandas