Joindre des tables
Dans les bases de données relationnelles, les tables comportent généralement des colonnes de clés qui identifient de façon unique chaque enregistrement. Cela nous permet de créer des chaînes d'importation qui combinent des tables au moyen de l'opération JOIN de SQL, plutôt que de devoir fusionner les données après leur importation.
Les enregistrements dans hpd311calls portent souvent sur des problèmes, comme des fuites ou des enjeux de chauffage, qui sont aggravés par les conditions météorologiques. Dans cet exercice, vous allez joindre les données weather aux enregistrements d'appels en utilisant leurs colonnes de date communes afin d'obtenir le tout dans un seul dataframe. Vous pouvez supposer que ces colonnes ont le même type de données.
pandas est importé sous le nom pd, et le moteur de base de données, engine, a été créé.
Remarque : Le validateur SQL est pointilleux quant à l'ordre des tables dans la jointure — il s'attend à trouver des tables précises à gauche et à droite.
Cette activité fait partie du cours
Ingestion de données rationalisée avec pandas
Instructions de l’exercice
- Complétez la requête pour joindre
weatheràhpd311callspar leurs colonnesdateetcreated_date, respectivement. - Interrogez la base de données et affectez le dataframe obtenu à
calls_with_weather. - Affichez les premières lignes de
calls_with_weatherpour confirmer que toutes les colonnes ont été jointes.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Query to join weather to call records by date columns
query = """
SELECT *
FROM hpd311calls
JOIN ____
ON hpd311calls.____ = ____.____;
"""
# Create dataframe of joined tables
calls_with_weather = ____
# View the dataframe to make sure all columns were joined
____