No mundo atual, orientado por dados, extrair insights valiosos de informações brutas é essencial para empresas e pesquisadores. É aí que o DataLab entra em cena: o caderno de dados colaborativo e totalmente gerenciado da DataCamp que simplifica a análise e facilita o compartilhamento com colegas, parceiros ou clientes, sem dor de cabeça com configuração e setup.
Como o SQL continua sendo a base de muitos projetos de dados, trabalhamos bastante para turbinar ainda mais os recursos de SQL no DataLab.
Consulte arquivos CSV e DataFrames
Muitos usuários da DataCamp estão começando sua jornada em ciência de dados e não têm acesso a um banco de dados ou data warehouse dedicados. Em vez disso, querem explorar um arquivo CSV que encontraram online ou subiram do computador local. Nós mesmos esbarramos nessa limitação ao conduzir treinamentos ao vivo com DataLab: toda vez que íamos fazer um treino de SQL, precisávamos configurar um banco de dados, o que era trabalhoso.
Isso ficou no passado! Com a célula de SQL dentro de um notebook do DataLab, você pode consultar arquivos CSV diretamente. Na prática, seu CSV vira um banco de dados que você pode consultar como qualquer outro. Experimente aqui
Os usuários estão adorando essa novidade, já que o suporte a CSV permite pular totalmente a etapa de configurar um banco. Outros preferem os fluxos de trabalho que o suporte a SQL em DataFrames proporciona, alternando entre SQL e Python e aproveitando o melhor dos dois mundos.
Como funciona
Esse novo recurso é baseado no DuckDB. Conhecido como “o SQLite para analytics”, esse mecanismo de banco de dados analítico embarcado consegue consultar arquivos CSV com excelente desempenho. Quando o usuário seleciona “DataFrames and CSVs”, o DataLab não envia a consulta para um data warehouse como de costume; ele transforma a consulta em código Python que chama a API Python do DuckDB na sessão do usuário e retorna o DataFrame resultante.
Além de consultar arquivos CSV, o DuckDB também permite consultar DataFrames em memória que foram criados em células anteriores do notebook. Isso habilita fluxos de trabalho poderosos, por exemplo:
- Consultar um arquivo CSV com uma célula SQL. O resultado da consulta fica disponível como um pandas DataFrame.
- Usar funções do pandas para limpar e reestruturar os dados de um jeito que seria difícil em SQL. Armazenar o resultado como um novo DataFrame.
- Consultar o DataFrame resultante com SQL para calcular agregações, o que é simples com a funcionalidade GROUP BY do SQL.
Outras melhorias
Autocompletar nomes de tabelas e colunas
Não paramos no suporte a CSV e DataFrame. Escrever consultas SQL pode ser trabalhoso, especialmente em bancos grandes com muitas tabelas e colunas. Para facilitar, introduzimos o autocompletar para nomes de tabelas e colunas no DataLab. Conforme você digita sua consulta, nosso sistema inteligente sugere automaticamente nomes relevantes de tabelas e colunas com base no seu input, ajudando a evitar erros de digitação e economizar tempo.
Esse novo recurso não só aumenta a produtividade como também minimiza erros. Seja você um veterano de SQL ou esteja apenas começando, o autocompletar vai ajudar a escrever consultas melhores, mais rápido.
Navegador de esquema aprimorado
Para facilitar a navegação e exploração dos bancos conectados, reformulamos o navegador de esquema do DataLab. Agora você vê rapidamente todas as tabelas de um banco conectado, pode pesquisá-las e até pré-visualizar o conteúdo com poucos cliques.
Nosso navegador de esquema aprimorado foi pensado para ajudar você a trabalhar com mais eficiência, passando menos tempo procurando a tabela ou coluna certa e mais tempo descobrindo insights valiosos.
Parametrize suas consultas SQL
Ao trabalhar com SQL, muitas vezes você quer atualizar dinamicamente suas consultas com base em resultados de cálculos anteriores ou outros dados do notebook. O DataLab agora dá suporte a isso com a parametrização de SQL, que permite inserir variáveis nas suas consultas.
Mais integrações com bancos e data warehouses
Você deve conseguir acessar seus dados sem atrito, esteja onde estiverem. A DataCamp já permite consultar os bancos e data warehouses mais comuns com uma célula SQL, incluindo PostgreSQL, MySQL, Redshift, Oracle, SQL Server, BigQuery e Athena. Em breve adicionaremos ainda mais integrações à plataforma, como Snowflake e ClickHouse, para cobrir todos os stacks e casos de uso.
Tornando a análise mais rápida e prazerosa
Na DataCamp, estamos comprometidos em tornar sua experiência de análise de dados fluida e agradável. Com esses aprimoramentos de SQL, acreditamos que o DataLab está ainda mais preparado para ajudar você a liberar todo o potencial dos seus dados. Seja você cientista de dados, analista de negócios ou simplesmente alguém que adora trabalhar com dados, temos confiança de que o DataLab vai agilizar seus fluxos de trabalho e elevar suas análises. Experimente os novos recursos e sinta a diferença!
Enquanto isso, vamos continuar expandindo os limites da análise de dados e abrindo novas possibilidades de descoberta de insights, com agendamento de notebooks, modo escuro, suporte nativo a dbt, dashboards avançados e muito mais! Tem algo que devemos melhorar? Algum recurso que deixa você especialmente empolgado? Conte pra gente pelo e-mail rocketship@datacamp.com! Obrigado!
