Počítání ve skupinách

V předchozích cvičeních jsi načítal/a data z tabulek a pak je v pandas shrnoval/a, abys mohl/a vytvořit grafy. Pomocí COUNT a GROUP BY v SQL dotazu ale můžeš tato souhrnná čísla získat přímo z databáze.

Tabulka hpd311calls obsahuje sloupec complaint_type, který rozděluje záznamy volání podle typu problému – například topení nebo instalatérství. Abys mohl/a zobrazit počty volání podle problému v grafu, napíšeš SQL dotaz, který pomocí COUNT spočítá záznamy podle typu stížnosti.

pandas je importován jako pd a databázový engine pro data.db je připraven jako engine.

Toto cvičení je součástí kurzu

Streamlined Data Ingestion with pandas

Zobrazit kurz

Pokyny k cvičení

Vytvoř SQL dotaz, který ze tabulky hpd311calls vybere sloupec complaint_type a počty všech záznamů, seskupené podle complaint_type.
Pomocí read_sql() vytvoř dataframe s počty volání podle typu problému: calls_by_issue.
Spusť poslední část kódu, která zobrazí graf s počtem volání pro každý problém s bydlením.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create query to get call counts by complaint_type
query = """
____ ____, 
     ____(*)
  FROM hpd311calls
  ____ ____;
"""

# Create dataframe of call counts by issue
calls_by_issue = pd.read_sql(____, ____)

# Graph the number of calls for each housing issue
calls_by_issue.plot.barh(x="complaint_type")
plt.show()

Upravit a spustit kód