Łączenie tabel
Tabele w relacyjnych bazach danych mają zazwyczaj kolumny kluczowe z unikalnymi identyfikatorami rekordów. Dzięki temu można budować pipeline'y łączące tabele za pomocą operacji JOIN w SQL – zamiast łączyć dane dopiero po ich zaimportowaniu.
Rekordy w tabeli hpd311calls często dotyczą problemów, takich jak wycieki czy awarie ogrzewania, które nasilają się w określonych warunkach pogodowych. W tym ćwiczeniu złączysz dane pogodowe (weather) z rekordami zgłoszeń po wspólnych kolumnach dat, aby uzyskać wszystko w jednej ramce danych. Możesz założyć, że te kolumny mają ten sam typ danych.
pandas jest załadowany jako pd, a silnik bazy danych engine został już utworzony.
Uwaga: Sprawdzarka SQL jest wrażliwa na kolejność tabel w złączeniu – oczekuje konkretnych tabel po lewej i prawej stronie.
To ćwiczenie jest częścią kursu
Sprawne importowanie danych z pandas
Instrukcje do ćwiczenia
- Uzupełnij zapytanie, aby złączyć tabelę
weatherz tabeląhpd311callspo kolumnachdateicreated_date. - Wykonaj zapytanie do bazy danych i przypisz wynikową ramkę danych do zmiennej
calls_with_weather. - Wyświetl pierwsze kilka wierszy
calls_with_weather, aby potwierdzić, że wszystkie kolumny zostały poprawnie złączone.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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
____