Pobieranie unikalnych wartości
Czasem w analizie nie są potrzebne wszystkie rekordy, lecz jedynie unikalne wartości z jednej lub kilku kolumn. Duplikaty można usunąć po załadowaniu danych do dataframe'u, ale można też zrobić to już na etapie importu – za pomocą słowa kluczowego DISTINCT w SQL.
Ponieważ hpd311calls zawiera dane dotyczące problemów mieszkaniowych, można się spodziewać, że większość rekordów ma przypisaną dzielnicę. Sprawdźmy to założenie, pobierając unikalne kombinacje kolumn complaint_type i borough.
pandas został zaimportowany jako pd, a silnik bazy danych jest dostępny jako engine.
Uwaga: Weryfikator SQL jest dość rygorystyczny w kwestii kolejności kolumn i oczekuje, że pola będą wybierane w podanej kolejności.
To ćwiczenie jest częścią kursu
Sprawne importowanie danych z pandas
Instrukcje do ćwiczenia
- Napisz zapytanie, które pobiera wartości
DISTINCTdla kolumnboroughicomplaint_type(w tej kolejności) z tabelihpd311calls. - Użyj
read_sql(), aby załadować wyniki zapytania do dataframe'uissues_and_boros. - Wyświetl dataframe i sprawdź, czy założenie – że wszystkie zgłoszenia poza wnioskami o literaturę mają przypisaną dzielnicę – jest słuszne.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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(____)