Come esercitarti con SQL usando qualsiasi dataset in Workspace

DataCamp Workspace si basa sui notebook Jupyter e ottimizza l’esperienza per renderti più produttivo.

Un problema comune per data analyst e data scientist è che può essere complicato collegare un notebook Jupyter a un database per iniziare a lavorare. Il problema può essere ancora più acuto per chi è alle prime armi: come puoi imparare a scrivere SQL se non riesci nemmeno a connetterti a un database?

Workspace rende semplicissimo scrivere SQL, sia che tu stia esercitando le tue competenze sia che tu stia lavorando. Questo tutorial ti mostra come iniziare a scrivere SQL in Workspace in pochi secondi.

Questo tutorial presuppone che tu abbia già usato SQL. Se non l’hai fatto, leggi prima il nostro SQL Tutorial for Beginners, poi prova gli esempi di quel tutorial in Workspace usando le tecniche mostrate qui!

Per iniziare

Per usare Workspace, dovrai registrarti a DataCamp. (Per iniziare va bene anche un account gratuito.)

Una volta creato l’account, usa la barra di navigazione in alto per andare su Workspace.

Questo tutorial utilizzerà il dataset integrato NBA Shooting Data. Se preferisci usare il tuo dataset, salta alla sezione qui sotto.

Usa la navigazione a sinistra per andare alla pagina Datasets.

Digita "nba" nella casella di ricerca e clicca sul dataset.

Vedrai un’anteprima del dataset. Leggila, poi clicca su "Use Dataset".

Caricare il tuo dataset

Puoi usare SQL per analizzare qualsiasi dato a forma di tabella in Workspace. Al momento, i file CSV sono i più supportati, quindi a scopo didattico, se fornisci un tuo dataset, si consiglia di usare un file CSV.

Dalla pagina Overview, clicca su "Empty" per creare un workspace vuoto.

Dai un nome al tuo workspace, poi clicca su "Create Workspace".

Nella barra degli strumenti a sinistra, apri lo strumento Files.

In alto a sinistra dello strumento, trascina un file di dati nel pannello dei file per caricarlo. (Puoi anche cliccare su "browse files" o cliccare il pulsante ⊕ e poi Upload).

Usare SQL con dati in file CSV

I dati sui tiri NBA sono nel file nba_players_shooting.csv. Nella barra degli strumenti a sinistra, apri lo strumento Files per vedere il file.

Il notebook nel workspace contiene del codice Python per importare il dataset. Tuttavia, in questo caso, vogliamo usare SQL.

Alla fine del notebook, clicca su 'Add SQL'.

Nel menu a discesa "Select source", seleziona "DataFrames and CSVs".

Per scrivere una query SQL su un file CSV, è richiesta una sola modifica rispetto allo standard SQL. Nella clausola FROM, invece di indicare il nome della tabella, scrivi il percorso del file CSV tra apici singoli.

Calcoliamo la proporzione di tiri segnati per ogni tiratore, ordinata dal migliore al peggiore. Nella cella SQL, digita il seguente codice.

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

Nota che il dialetto SQL usato quando lavori con un file CSV è DuckDB. Leggi di più in DuckDB rende SQL un cittadino di prima classe su DataCamp Workspace.

Continua a lavorare in Python, R o con grafici no-code

Nell’ultimo esempio, abbiamo mantenuto le impostazioni predefinite per il formato di ritorno della query. Osserva bene la parte superiore della cella SQL: vedrai che indica il valore restituito come DataFrame chiamato df. Ciò significa che puoi continuare a lavorare sui risultati in Python (o in R, per i workspace R) o tracciare grafici no-code.

Clicca su 'Add Chart' per aggiungere un grafico no-code.

Imposta le seguenti opzioni.

• Tipo: Bar
• Asse X: prop_score_made
• Asse Y: SHOOTER

Usare SQL con dati in DataFrame

La query SQL eseguita sul file CSV ha creato un data frame chiamato df. Puoi anche scrivere query SQL su questi data frame pandas o R. L’unica differenza rispetto allo standard SQL è che nella clausola FROM fornisci il nome del data frame invece del nome della tabella.

Qui riutilizzeremo i risultati precedenti in df e suddivideremo la colonna shooter in nome e cognome separati. Aggiungi una cella SQL, seleziona "DataFrames and CSVs" come origine e usa il seguente codice.

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

Usare database di esempio

Workspace fornisce anche diversi database di esempio che puoi usare per esercitarti con SQL.

Aggiungi una cella SQL e, nel menu a discesa dell’origine, scorri fino alla sezione "Sample Integrations". Qui useremo "Bicycle Sales".

Apparirà una query predefinita. Per il tutorial, sostituiamola con una query più semplice.

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

Quando usi una connessione a un database (anziché scrivere SQL su un file CSV o un dataframe), hai l’opzione di restituire i risultati come query. Nel menu a discesa, seleziona "Query". Puoi anche assegnare un nome al valore risultante. Qui, cambia "query" in "best_price".

Eseguire la query produce il seguente output.

Ora puoi usare questo risultato per scrivere ulteriore SQL. In pratica, hai scritto una common table expression (trattata nel tutorial SQL Commands for Data Scientists) senza dover usare la sintassi delle common table expressions.

Aggiungi un’altra cella SQL e scrivi questa ulteriore query.

SELECT *
	FROM best_price
	WHERE cheapest_list_price > 10000

L’esecuzione di questa query restituisce i seguenti risultati.

Connessione ad altri database

Workspace ti consente anche di connetterti a molti tipi di database, tra cui PostgreSQL, MySQL, Redshift, bigQuery, Athena, SQL Server, MariaDB e Oracle Database. I dettagli completi su come connettersi sono forniti nelle Workspace Docs.

Nella barra degli strumenti a sinistra, clicca su "Integrations", quindi clicca sul pulsante ⊕ per creare una nuova integrazione.

Scegli il tipo di database a cui ti stai collegando.

Ti verrà chiesto di fornire i dettagli di connessione (variano in base al tipo di database).

Usare l’assistente AI

Scrivere SQL può essere divertente e utile, ma farti aiutare dall’AI a scriverlo può aiutarti a imparare e a essere più produttivo. Puoi leggere dell’AI Assistant in From Data to Insights: Get There Faster with the DataCamp Workspace AI Assistant.

Aggiungi una cella SQL. Nel menu contestuale a destra, clicca su "Generate".

Compare una casella di testo nella parte superiore della cella SQL. Qui, scrivi un’attività per l’AI. Scegli la tua attività oppure prova la seguente.

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

Dopo aver digitato la richiesta, premi Invio per far generare il codice SQL all’AI.

Se pensi che il codice sia sensato, clicca su "Accept & run" (oppure clicca su "Accept", poi su "Run" in un secondo momento) per vedere i risultati della query.

Fatti spiegare gli errori dall’AI

Puoi anche usare l’AI integrata in Workspace per spiegare perché si verificano errori nel tuo SQL. Supponi di esserti confuso mentre scrivevi la query per le bici costose e di aver usato uno .GT in stile Fortran invece di `>`.

SELECT *
    FROM best_price
    WHERE cheapest_list_price .GT. 10000

Questo genera un errore. In basso a sinistra della cella SQL, clicca su "Fix Error".

L’AI fornisce il codice corretto, seguito da una spiegazione di cosa hai sbagliato.

Riepilogo

Hai visto come evitare di configurare un database scrivendo query SQL su file CSV e data frame. Hai usato database di esempio per esercitarti a scrivere codice. E hai visto come usare l’AI per generare SQL in linguaggio naturale e correggere i tuoi errori.

Queste funzionalità rendono molto più semplice iniziare a scrivere SQL ed essere più produttivo mentre impari e lavori.

Fai un passo in più

Inizia con SQL in Workspace effettuando l’accesso o registrandoti a un account DataCamp. Puoi anche padroneggiare alcuni dei fondamenti di SQL nel nostro skill track, che ti darà tutte le competenze necessarie per interagire con i tuoi dati e interrogarli.