Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Speichern Sie die Ergebnisse der SQL-Abfrage in einem Pandas DataFrame
Sie können die Ergebnisse Ihrer SQL-Abfrage in einem Pandas DataFrame speichern. Die einfachste Möglichkeit, Abfrageergebnisse an a auszugeben, DataFrame besteht darin, das Dropdownmenü mit den Funktionen des SQL-Editors der JupyterLab SQL-Erweiterung Abfrageergebnissen zu verwenden und die Option Pandas-Datenrahmen auszuwählen.
Alternativ können Sie den Parameter --output '{"format": "DATAFRAME",
"dataframe_name": " zu Ihrer Verbindungszeichenfolge hinzufügen.dataframe_name"}'
Die folgende Abfrage extrahiert beispielsweise Details von Kunden mit dem höchsten Saldo aus der Customer Tabelle in der TPCH_SF1 Snowflake-Datenbank, wobei pandas sowohl SQL als auch SQL verwendet werden:
-
In diesem Beispiel extrahieren wir alle Daten aus der Kundentabelle und speichern sie dann in einer benannten Tabelle. DataFrame
all_customer_data%%sm_sql --output '{"format": "DATAFRAME", "dataframe_name": "all_customer_data"}' --metastore-idsnowflake-connection-name--metastore-type GLUE_CONNECTION SELECT * FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMERSaved results to all_customer_data -
Als Nächstes extrahieren wir die Details des höchsten Kontosaldos aus dem DataFrame.
all_customer_data.loc[all_customer_data['C_ACCTBAL'].idxmax()].valuesarray([61453, 'Customer#000061453', 'RxNgWcyl5RZD4qOYnyT3', 15, '25-819-925-1077', Decimal('9999.99'), 'BUILDING','es. carefully regular requests among the blithely pending requests boost slyly alo'], dtype=object)
