Складніші запити SQL

Оптимізоване завантаження даних із pandas

Amany Mahfouz

Instructor

Отримання DISTINCT-значень

Отримайте унікальні значення для одного чи кількох стовпців за допомогою SELECT DISTINCT

Синтаксис:

SELECT DISTINCT [column names] FROM [table];

Приберіть дублікати записів:
```
SELECT DISTINCT * FROM [table];
```

/* Отримати унікальні адреси та боро */
SELECT DISTINCT incident_address, 
       borough
  FROM hpd311calls;

Агрегатні функції

Запитуйте базу напряму для описової статистики
Агрегатні функції
- SUM
- AVG
- MAX
- MIN
- COUNT

Агрегатні функції

SUM, AVG, MAX, MIN
- Кожна приймає один стовпець
```
SELECT AVG(tmax) FROM weather;
```
COUNT
- Кількість рядків, що відповідають умовам запиту
```
SELECT COUNT(*) FROM [table_name];
```
- Кількість унікальних значень у стовпці
```
SELECT COUNT(DISTINCT [column_names]) FROM [table_name];
```

GROUP BY

Агрегатні функції типовo обчислюють одне підсумкове значення
Підсумовуйте дані за категоріями через GROUP BY
Не забудьте також вибрати стовпець, за яким групуєте!

/* Отримати кількість звернень щодо сантехніки по боро */
SELECT borough, 
       COUNT(*) 
  FROM hpd311calls
 WHERE complaint_type = 'PLUMBING'
 GROUP BY borough;

Підрахунок за групами

# Створіть рушій бази даних
engine = create_engine("sqlite:///data.db")


# Запишіть запит для підрахунку звернень щодо сантехніки по боро
query = """SELECT borough, COUNT(*) 
             FROM hpd311calls
            WHERE complaint_type = 'PLUMBING'
            GROUP BY borough;"""


# Виконайте запит і створіть датафрейм
plumbing_call_counts = pd.read_sql(query, engine)

Підрахунок за групами

print(plumbing_call_counts)

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

Давайте потренуємось!

Оптимізоване завантаження даних із pandas