How to query Pandas DataFrames with chDB

Pandas は、Python におけるデータ操作と分析のための人気のあるライブラリです。
chDB のバージョン 2 では、Pandas DataFrame のクエリ性能を向上させ、Python テーブル関数を導入しました。
このガイドでは、Python テーブル関数を使用して Pandas にクエリを実行する方法を学びます。

セットアップ

まず、仮想環境を作成しましょう：

次に、chDB をインストールします。
バージョン 2.0.2 以上を持っていることを確認してください：

次に、Pandas といくつかの他のライブラリをインストールします：

これからのガイドのコマンドを実行するために ipython を使用します。以下のコマンドで起動できます：

Python スクリプトやあなたのお気に入りのノートブックでもコードを使用できます。

URL から Pandas DataFrame を作成する

StatsBomb GitHub リポジトリ からデータをクエリします。
まず、requests と pandas をインポートします：

次に、1 つの試合の JSON ファイルを DataFrame に読み込みます：

どのデータを扱うのか見てみましょう：

次に、1 つのイベントの JSON ファイルを読み込み、その DataFrame に match_id という列を追加します：

再度、最初の行を見てみましょう：

Pandas DataFrame をクエリする

次に、chDB を使ってこれらの DataFrame にクエリを実行する方法を見てみましょう。
ライブラリをインポートします：

Pandas DataFrame を Python テーブル関数を使用してクエリすることができます：

したがって、matches_df のカラムをリストアップしたい場合、次のように書くことができます：

次に、過去に 1 回以上の試合を裁いた審判を見つけるために、以下のクエリを書くことができます：

次に、events_df を見てみましょう。

Pandas DataFrame を結合する

クエリ内で DataFrame を結合することもできます。
たとえば、試合の概要を得るために、以下のクエリを書くことができます：

DataFrame からテーブルを作成する

DataFrame から ClickHouse テーブルを作成して populate することも可能です。
chDB にテーブルを作成するには Stateful Session API を使用する必要があります。

セッションモジュールをインポートしましょう：

セッションを初期化します：

次に、データベースを作成します：

次に、events_df に基づいて events テーブルを作成します：

その後、最も多くのパスを受け取った選手を返すクエリを実行します：

Pandas DataFrame とテーブルを結合する

最後に、結合クエリを更新して matches_df DataFrame を statsbomb.events テーブルと結合することもできます：