ÎncepețiÎncepe gratuit

Join-uri

O altă operațiune foarte frecventă cu datele este join-ul. Join-urile reprezintă un subiect în sine, așa că în acest curs ne vom concentra doar pe join-uri simple. Dacă vrei să afli mai multe despre join-uri, poți consulta această resursă.

Un join combină două tabele diferite pe baza unei coloane comune. Această coloană se numește cheie. Exemple de chei includ coloanele tailnum și carrier din tabelul flights.

Să presupunem, de exemplu, că vrei să știi mai multe detalii despre avionul care a efectuat un zbor, nu doar numărul de coadă. Aceste informații nu se află în tabelul flights, deoarece același avion efectuează multe zboruri diferite pe parcursul a doi ani, iar includerea lor în fiecare rând ar genera multă redundanță. Pentru a evita acest lucru, ai un al doilea tabel cu câte un singur rând pentru fiecare avion, ale cărui coloane conțin toate informațiile despre acel avion, inclusiv numărul de coadă. Poți numi acest tabel planes.

Atunci când faci join între tabelul flights și acest tabel cu informații despre avioane, adaugi toate coloanele din tabelul planes în tabelul flights. Pentru a completa aceste coloane cu date, cauți numărul de coadă din tabelul flights, găsești corespondentul în tabelul planes și folosești acel rând pentru a completa toate coloanele noi.

Vei obține astfel un tabel mult mai mare decât înainte, însă fiecare rând va conține toate informațiile despre avionul care a efectuat zborul respectiv!

Care dintre afirmațiile de mai jos nu este adevărată?

Acest exercițiu face parte din cursul

Fundamente PySpark

Vezi cursul

Exercițiu interactiv practic

Transformă teoria în practică cu unul dintre exercițiile noastre interactive

Începe exercițiul