Začněte nyníZačněte zdarma

Joinování

Další velmi běžnou operací s daty je join. Joiny jsou samostatné téma, takže v tomto kurzu se zaměříme jen na ty jednoduché. Pokud se chceš dozvědět více, podívej se sem.

Join spojí dvě různé tabulky podle sloupce, který mají společný. Tento sloupec se nazývá klíč. Příklady klíčů jsou třeba sloupce tailnum a carrier z tabulky flights.

Představ si například, že chceš vědět více informací o letadle, které daný let absolvovalo – nejen jeho ocasní číslo. Tyto informace nejsou v tabulce flights, protože stejné letadlo létá mnoho různých letů v průběhu dvou let, a jejich zahrnutí do každého řádku by vedlo k velkému množství duplicit. Aby se tomu předešlo, existuje druhá tabulka, která má pro každé letadlo právě jeden řádek a jejíž sloupce obsahují veškeré informace o daném letadle včetně jeho ocasního čísla. Tuto tabulku lze nazvat planes.

Když propojíš tabulku flights s touto tabulkou informací o letadlech, přidáváš všechny sloupce z tabulky planes do tabulky flights. Aby se tyto sloupce naplnily daty, systém vezme ocasní číslo z tabulky flights, najde odpovídající záznam v tabulce planes a použije daný řádek k doplnění všech nových sloupců.

Výsledná tabulka bude mnohem větší než ta původní, ale každý řádek bude obsahovat úplné informace o letadle, které daný let uskutečnilo!

Které z následujících tvrzení není pravdivé?

Toto cvičení je součástí kurzu

Foundations of PySpark

Zobrazit kurz

Interaktivní praktické cvičení

Proměňte teorii v praxi s jedním z našich interaktivních cvičení

Začít cvičení