Koppla tabeller
Tabeller i relationsdatabaser har vanligtvis nyckelkolumner med unika post-identifierare. Det gör det möjligt att bygga pipelines som kombinerar tabeller med hjälp av SQL:s JOIN-operation, i stället för att behöva slå samman data efter importen.
Poserna i hpd311calls rör ofta problem som läckor eller uppvärmningsproblem, vilka förvärras av väderförhållanden. I den här övningen kopplar du weather-data till samtalsposterna via deras gemensamma datumkolumner, så att allt samlas i en enda dataframe. Du kan utgå från att dessa kolumner har samma datatyp.
pandas är inläst som pd, och databasmotorn engine har redan skapats.
Obs: SQL-kontrollen är noggrann med ordningen på tabellerna i kopplingen – den förväntar sig specifika tabeller till vänster respektive höger.
Den här övningen är en del av kursen
Effektiv datainläsning med pandas
Övningsinstruktioner
- Komplettera frågan för att koppla
weathertillhpd311callsvia kolumnernadaterespektivecreated_date. - Skicka frågan till databasen och tilldela den resulterande dataframen till
calls_with_weather. - Skriv ut de första raderna i
calls_with_weatherför att bekräfta att alla kolumner kopplades korrekt.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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
____