Alright, why don't you try writing a quick sequel query
of your own on the India aadhaar data set. What we're
going to do is read in an aadhaar data CSV
to create a pandas data frame which can be queried using
sequel like syntax. We'll rename any columns that have spaces
in them with underscores and set all characters to lower case.
So if the columns names more closely resemble columns names
one might find in a table. Why don't you write query
that will select out the first 50 values
for registrar and enrollment agency in the aadhaar_data table.
Your queries should go here. So that's how we
pull all of the data out of SQL database.
حسنًا، لماذا لا تجربون كتابة استعلام sequel سريع
من إنشائكم عن مجموعة بيانات aadhaar الهند. ما سنقوم به
هو تخزين CSV لبيانات aadhaar
لإنشاء إطار بيانات pandas الذي يمكن الاستعلام عن
باستخدام صيغة مشابهة لـ sequel. سنقوم بإعادة تسمية أي أعمدة تحتوي على مسافات
.بشرطات سفلية وتعيين كل الأحرف إلى الأحرف الصغيرة
بحيث تكون أسماء الأعمدة مشابهة إلى حد كبير لأسماء الأعمدة
التي قد يجدها الشخص في أحد الجداول. لم لا تكتبون استعلامًا
ليتم تحديد أول 50 قيمة
.للمسجّل ووكالة التسجيل في جدول aadhaar_data
يجب أن تكون الاستعلامات هنا. وبالتالي كيف نقوم
.بسحب البيانات خارج قاعدة بيانات SQL
Aadhaarデータセットを使って
SQLクエリを書いてみましょう
AadhaarデータCSVから
pandasデータフレームを作ります
SQLライクな構文のクエリが使えます
スペースはアンダースコアに 文字は小文字に変換します
列名はテーブルとほぼ同じになります
次のクエリで 登録と申請機関について
最初の50個の値を選択します
ここにクエリを書きましょう
このようにしてデータを取り出していきます
OK. Por que você não tenta escrever uma consulta SQL rápida
sozinho para o conjunto de dados Aadhaar da Índia? O que vamos
fazer aqui é ler um CSV de dados Aadhaar
para criar uma estrutura de dados do Pandas que possa ser consultada
usando uma sintaxe SQL. Vamos renomear as colunas que têm espaços
com sublinhados e colocar todos os caracteres em minúsculas.
Então, se os nomes das colunas lembrarem mais nomes de colunas,
você pode encontrar uma tabela. Por que você não escreve uma consulta
que selecionará os primeiros 50 valores
para registrar e enrollment agency na tabela aadhaar_data?
Suas consultas devem vir aqui. É assim que
extraímos todos os dados de um banco de dados SQL.