Získání unikátních hodnot
Někdy analýza nevyžaduje všechny záznamy, ale pouze unikátní hodnoty v jednom nebo více sloupcích. Duplicitní hodnoty lze odstranit po načtení dat do dataframe, ale dá se to vyřešit i přímo při importu pomocí klíčového slova DISTINCT v SQL.
Protože hpd311calls obsahuje data o problémech s bydlením, očekáváme, že u většiny záznamů bude uvedena čtvrť (borough). Ověřme tento předpoklad dotazem na unikátní kombinace complaint_type a borough.
pandas je importován jako pd a databázový engine je dostupný jako engine.
Poznámka: SQL kontroler je poměrně přísný ohledně pořadí sloupců a očekává, že pole budou vybrána v uvedeném pořadí.
Toto cvičení je součástí kurzu
Streamlined Data Ingestion with pandas
Pokyny k cvičení
- Vytvoř dotaz, který z tabulky
hpd311callsnačte hodnotyDISTINCTproboroughacomplaint_type(v tomto pořadí). - Pomocí
read_sql()načti výsledky dotazu do dataframeissues_and_boros. - Vypiš dataframe a ověř, zda platí předpoklad, že všechny problémy kromě žádostí o literaturu mají uvedenou čtvrť.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create query for unique combinations of borough and complaint_type
query = """
SELECT ____ ____,
____
____ hpd311calls;
"""
# Load results of query to a dataframe
issues_and_boros = ____
# Check assumption about issues and boroughs
print(____)