Joins
En annan mycket vanlig dataoperation är join. Joins är ett eget stort ämne, så i den här kursen tittar vi bara på enkla joins. Vill du lära dig mer om joins kan du läsa vidare här.
En join kombinerar två tabeller längs en kolumn som de delar. Den här kolumnen kallas nyckel. Exempel på nycklar här är kolumnerna tailnum och carrier från tabellen flights.
Anta till exempel att du vill veta mer om det plan som genomförde en viss flygning – inte bara dess registreringsnummer. Den informationen finns inte i tabellen flights, eftersom samma plan gör många olika flygningar under loppet av två år, och att inkludera den informationen i varje rad skulle resultera i mycket upprepning. För att undvika det skulle du ha en andra tabell med bara en rad per plan, där kolumnerna listar all information om planet, inklusive dess registreringsnummer. Den tabellen skulle du kunna kalla planes.
När du joinar tabellen flights med den här tabellen med flygplansinformation lägger du till alla kolumner från tabellen planes till tabellen flights. För att fylla dessa kolumner med information letar du upp registreringsnumret från tabellen flights och hittar motsvarande rad i tabellen planes, och använder sedan den raden för att fylla i alla nya kolumner.
Du får nu en betydligt större tabell än tidigare, men varje rad innehåller all information om det plan som genomförde just den flygningen!
Vilket av följande påståenden stämmer inte?
Den här övningen är en del av kursen
Grunderna i PySpark
Interaktiv övning med praktiskt arbete
Gör teori till handling med en av våra interaktiva övningar
Starta övningen