Workspace के साथ किसी भी डेटासेट का उपयोग करके SQL का अभ्यास कैसे करें

DataCamp Workspace, Jupyter notebooks पर आधारित है और अनुभव को अनुकूलित करके आपको अधिक उत्पादक बनाता है।

डेटा विश्लेषकों और डेटा वैज्ञानिकों की एक आम चुनौती यह है कि काम शुरू करने के लिए Jupyter notebook को डेटाबेस से जोड़ना मुश्किल हो सकता है। शुरुआती लोगों के लिए तो समस्या और भी बड़ी हो जाती है: यदि आप डेटाबेस से कनेक्ट ही नहीं कर सकते, तो SQL लिखना कैसे सीखें?

Workspace में SQL लिखना बेहद आसान है—चाहे आप अभ्यास कर रहे हों या काम। यह ट्यूटोरियल आपको दिखाता है कि Workspace में कुछ ही सेकंड में SQL कैसे लिखना शुरू करें।

यह ट्यूटोरियल मानकर चलता है कि आपने पहले SQL का उपयोग किया है। यदि नहीं किया है, तो पहले हमारा शुरुआती लोगों के लिए SQL ट्यूटोरियल पढ़ें, फिर यहाँ दिखाए गए तरीकों का उपयोग करते हुए Workspace में उस ट्यूटोरियल के उदाहरण आज़माएँ!

शुरुआत करना

Workspace का उपयोग करने के लिए, आपको DataCamp पर साइन अप करना होगा। (शुरू करने के लिए मुफ़्त खाता काफ़ी है।)

एक बार आपका खाता बन जाने पर, शीर्ष नेविगेशन बार का उपयोग करके Workspace पर जाएँ।

इस ट्यूटोरियल में बिल्ट-इन NBA Shooting Data डेटासेट का उपयोग किया जाएगा। यदि आप अपना खुद का डेटासेट उपयोग करना पसंद करते हैं, तो नीचे दिए गए अनुभाग पर जाएँ।

बाएँ नेविगेशन का उपयोग करके Datasets पेज पर जाएँ।

खोज बॉक्स में "nba" टाइप करें और डेटासेट पर क्लिक करें।

आपको डेटासेट का प्रीव्यू दिखाई देगा। इसे पढ़ें, फिर "Use Dataset" पर क्लिक करें। 

अपना खुद का डेटासेट अपलोड करना

आप Workspace में किसी भी तालिका-जैसे डेटा का विश्लेषण करने के लिए SQL का उपयोग कर सकते हैं। फिलहाल, CSV फ़ाइलों का सबसे अच्छा समर्थन है, इसलिए सीखने के उद्देश्य से यदि आप अपना डेटासेट देते हैं, तो CSV फ़ाइल का उपयोग करने की सलाह दी जाती है।

Overview पेज से, एक खाली workspace बनाने के लिए "Empty" पर क्लिक करें।

अपने workspace को एक नाम दें, फिर "Create Workspace" पर क्लिक करें।

बाएँ टूलबार में, Files टूल खोलें।

टूल के ऊपर-बाएँ हिस्से में, अपलोड करने के लिए डेटा फ़ाइल को फ़ाइल पेन में खींचें। (आप "browse files" पर क्लिक कर सकते हैं या ⊕ बटन पर क्लिक करके Upload भी कर सकते हैं)।

CSV फ़ाइलों के डेटा के साथ SQL का उपयोग

NBA shooting डेटा nba_players_shooting.csv फ़ाइल में है। फ़ाइल देखने के लिए बाएँ टूलबार में Files टूल खोलें।

Workspace में मौजूद notebook में डेटासेट आयात करने के लिए कुछ Python कोड है। हालाँकि, यहाँ हम SQL का उपयोग करना चाहते हैं।

नोटबुक के अंत में, 'Add SQL' पर क्लिक करें।

"Select source" ड्रॉपडाउन में, "DataFrames and CSVs" चुनें।

किसी CSV फ़ाइल पर SQL क्वेरी लिखने के लिए, मानक SQL में केवल एक बदलाव की आवश्यकता होती है। FROM क्लॉज़ में, तालिका का नाम देने के बजाय, CSV फ़ाइल का पथ एकल उद्धरणों में लिखें।

आइए प्रत्येक शूटर के लिए लगाए गए शॉट्स में से बने शॉट्स का अनुपात निकालें, और परिणामों को सर्वश्रेष्ठ से सबसे कम तक क्रमबद्ध करें। SQL सेल में निम्नलिखित कोड लिखें।

SELECT 
	shooter,
	SUM((SCORE = 'MADE')::DOUBLE) / COUNT(*) AS prop_score_made
	FROM 'nba_players_shooting.csv'
	GROUP BY shooter
	ORDER BY prop_score_made DESCसंचालित द्वारा

ध्यान दें कि जब आप CSV फ़ाइल के साथ काम कर रहे होते हैं, तो उपयोग किया जाने वाला SQL dialect DuckDB होता है। इसके बारे में और पढ़ें: DuckDB, DataCamp Workspace पर SQL को प्रथम-श्रेणी नागरिक बनाता है।

Python, R, या नो-कोड चार्ट में काम जारी रखें

पिछले उदाहरण में, हमने क्वेरी रिटर्न फ़ॉर्मेट के डिफ़ॉल्ट सेटिंग्स रखीं। SQL सेल के शीर्ष को ध्यान से देखें, और आप देखेंगे कि यह रिटर्न वैल्यू को df नामक DataFrame के रूप में दिखाता है। इसका अर्थ है कि आप परिणामों पर Python (या R workspaces में R) में काम जारी रख सकते हैं या नो-कोड प्लॉट बना सकते हैं।

नो-कोड चार्ट जोड़ने के लिए 'Add Chart' पर क्लिक करें।

निम्नलिखित विकल्प सेट करें।

• प्रकार: Bar
• X-अक्ष: prop_score_made
• Y-अक्ष: SHOOTER

Data Frames में मौजूद डेटा के साथ SQL का उपयोग

CSV फ़ाइल के विरुद्ध चलाई गई SQL क्वेरी ने df नाम का एक data frame बनाया। आप इन्हीं pandas या R data frames के विरुद्ध भी SQL क्वेरी लिख सकते हैं। मानक SQL से एकमात्र अंतर यह है कि FROM क्लॉज़ में तालिका के नाम के बजाय data frame का नाम दिया जाता है।

यहाँ हम df में पिछले परिणामों का पुन: उपयोग करेंगे और shooter कॉलम को अलग-अलग पहले और अंतिम नामों में विभाजित करेंगे। एक SQL सेल जोड़ें, स्रोत के रूप में "DataFrames and CSVs" चुनें, और निम्नलिखित कोड का उपयोग करें।

SELECT 
str_split(shooter, ' ')[1] AS first_name,
str_split(shooter, ' ')[2] AS last_name,
prop_score_made
FROM dfसंचालित द्वारा

नमूना डेटाबेस का उपयोग

Workspace कई नमूना डेटाबेस भी प्रदान करता है जिनका उपयोग आप अपनी SQL कौशल का अभ्यास करने के लिए कर सकते हैं।

एक SQL सेल जोड़ें, और source ड्रॉपडाउन में नीचे स्क्रॉल करके "Sample Integrations" अनुभाग पर जाएँ। यहाँ, हम "Bicycle Sales" का उपयोग करेंगे।

एक डिफ़ॉल्ट क्वेरी दिखाई देगी। ट्यूटोरियल के लिए, आइए इसे एक सरल क्वेरी से बदल दें।

SELECT  
product_name, 
MIN(list_price) AS cheapest_list_price
FROM products
GROUP BY product_name
संचालित द्वारा

जब आप किसी डेटाबेस से कनेक्शन का उपयोग करते हैं (CSV फ़ाइल या dataframe के विरुद्ध SQL लिखने के बजाय), तो आपको परिणामों को एक क्वेरी के रूप में लौटाने का विकल्प मिलता है। ड्रॉपडाउन में, "Query" चुनें। आप परिणामी वैल्यू का नाम भी रख सकते हैं। यहाँ, "query" को बदलकर "best_price" करें।

क्वेरी चलाने पर निम्न आउटपुट मिलता है।

अब आप इस परिणाम का उपयोग आगे SQL लिखने के लिए कर सकते हैं। असल में, आपने एक common table expression लिखा है (जिसे SQL Commands for Data Scientists ट्यूटोरियल में कवर किया गया है) बिना common table expression का सिंटैक्स उपयोग किए।

एक और SQL सेल जोड़ें, और यह अगली क्वेरी लिखें।

SELECT *
	FROM best_price
	WHERE cheapest_list_price > 10000
संचालित द्वारा

इस क्वेरी को चलाने पर निम्नलिखित परिणाम प्राप्त होते हैं।

अन्य डेटाबेस से कनेक्ट करना

Workspace आपको कई प्रकार के डेटाबेस से कनेक्ट करने की अनुमति देता है, जिनमें PostgreSQL, MySQL, Redshift, BigQuery, Athena, SQL Server, MariaDB, और Oracle Database शामिल हैं। कनेक्ट करने के तरीकों का पूरा विवरण Workspace Docs में दिया गया है।

बाएँ टूलबार में, "Integrations" पर क्लिक करें, फिर नया इंटीग्रेशन बनाने के लिए ⊕ बटन पर क्लिक करें।

उस डेटाबेस के प्रकार का चयन करें जिससे आप कनेक्ट हो रहे हैं।

आपसे कनेक्शन विवरण मांगे जाएँगे (ये डेटाबेस के प्रकार के अनुसार भिन्न होते हैं)।

AI Assistant का उपयोग

हालाँकि SQL लिखना मज़ेदार और उपयोगी हो सकता है, AI से आपके लिए इसे लिखवाना सीखने में मदद कर सकता है और आपकी उत्पादकता बढ़ा सकता है। AI Assistant के बारे में यहाँ पढ़ें: From Data to Insights: DataCamp Workspace AI Assistant के साथ तेज़ी से पहुँचें।

एक SQL सेल जोड़ें। दाएँ ओर के संदर्भ मेन्यू में, "Generate" पर क्लिक करें।

SQL सेल के शीर्ष पर एक टेक्स्टबॉक्स दिखाई देगा। इसमें AI के लिए कोई कार्य लिखें। अपना कार्य चुनें, या नीचे दिए गए को आज़माएँ।

Return the product names and list prices for all mountain bikes made by Trek that are in stock.
संचालित द्वारा

अपनी क्वेरी टाइप करने के बाद, SQL कोड जेनरेट करवाने के लिए Enter दबाएँ।

यदि आपको लगता है कि कोड उचित है, तो परिणाम देखने के लिए "Accept & run" पर क्लिक करें (या "Accept" पर क्लिक करें, फिर बाद में "Run")।

AI से अपनी त्रुटियाँ समझाएँ

आप Workspace में बिल्ट-इन AI का उपयोग यह समझाने के लिए भी कर सकते हैं कि आपकी SQL में त्रुटियाँ क्यों आ रही हैं। मान लीजिए कि आप महंगी साइकिलों के लिए क्वेरी लिखते समय उलझ गए और `>` के बजाय Fortran-शैली का .GT. उपयोग कर लिया।

SELECT *
    FROM best_price
    WHERE cheapest_list_price .GT. 10000
संचालित द्वारा

इससे एक त्रुटि आती है। SQL सेल के नीचे-बाएँ हिस्से में, "Fix Error" पर क्लिक करें।

AI सही कोड प्रदान करता है, और साथ ही यह भी समझाता है कि आपने क्या ग़लती की।

सारांश

आपने देखा कि CSV फ़ाइलों और data frames के विरुद्ध SQL क्वेरी लिखकर डेटाबेस सेटअप करने की ज़रूरत से कैसे बचा जा सकता है। आपने नमूना डेटाबेस का उपयोग करके कोड लिखने का अभ्यास किया। और देखा कि प्राकृतिक भाषा से SQL जेनरेट करने और त्रुटियाँ ठीक करने के लिए AI का उपयोग कैसे करें।

ये सुविधाएँ SQL लिखना शुरू करना और सीखते-सीखते तथा काम करते हुए अधिक उत्पादक होना कहीं आसान बना देती हैं।

अगले स्तर पर जाएँ

Workspace में SQL के साथ शुरुआत करने के लिए DataCamp खाते में लॉग इन करें या साइन अप करें। आप हमारे SQL fundamentals स्किल ट्रैक में भी महारत हासिल कर सकते हैं, जो आपको अपने डेटा के साथ इंटरेक्ट करने और क्वेरी करने के लिए आवश्यक सभी कौशल देगा।