Соединение таблиц
В реляционных базах данных таблицы, как правило, содержат ключевые столбцы с уникальными идентификаторами записей. Это позволяет строить пайплайны, объединяющие таблицы с помощью операции JOIN в SQL, вместо того чтобы совмещать данные уже после импорта.
Записи в hpd311calls нередко касаются проблем — например, протечек или неполадок с отоплением, — которые усугубляются погодными условиями. В этом упражнении вы присоедините данные из таблицы weather к записям о вызовах по общим столбцам дат и получите всё в одном датафрейме. Можно считать, что эти столбцы имеют одинаковый тип данных.
pandas загружен как pd, объект подключения к базе данных engine уже создан.
Примечание: Проверяющий SQL-код чувствителен к порядку таблиц в операции JOIN — он ожидает определённые таблицы слева и справа.
Это упражнение является частью курса
Эффективный импорт данных с pandas
Инструкции к упражнению
- Дополните запрос, чтобы соединить
weatherсhpd311callsпо столбцамdateиcreated_dateсоответственно. - Выполните запрос к базе данных и сохраните полученный датафрейм в переменную
calls_with_weather. - Выведите первые несколько строк
calls_with_weather, чтобы убедиться, что все столбцы были успешно объединены.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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
____