> ## Documentation Index
> Fetch the complete documentation index at: https://clickhouse.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Como consultar o Apache Arrow com chDB

> Neste guia, aprenderemos como consultar tabelas Apache Arrow com a função de tabela `Python`

[Apache Arrow](https://arrow.apache.org/) é um formato de memória padronizado e orientado a colunas que ganhou popularidade na comunidade de dados.
Neste guia, aprenderemos como consultar o Apache Arrow usando a função de tabela `Python`.

<div id="setup">
  ## Configuração
</div>

Vamos criar primeiro um ambiente virtual:

```bash theme={null}
python -m venv .venv
source .venv/bin/activate
```

E agora vamos instalar o chDB.
Certifique-se de ter a versão 2.0.2 ou superior:

```bash theme={null}
pip install "chdb>=2.0.2"
```

Agora, vamos instalar PyArrow, pandas e ipython:

```bash theme={null}
pip install pyarrow pandas ipython
```

Vamos usar o `ipython` para executar os comandos no restante do guia, que pode ser iniciado com:

```bash theme={null}
ipython
```

Você também pode usar o código em um script Python ou no notebook de sua preferência.

<div id="creating-an-apache-arrow-table-from-a-file">
  ## Criando uma tabela Apache Arrow a partir de um arquivo
</div>

Primeiro, vamos baixar um dos arquivos Parquet do [conjunto de dados Ookla](https://github.com/teamookla/ookla-open-data) usando a [AWS CLI](https://aws.amazon.com/cli/):

```bash theme={null}
aws s3 cp \
  --no-sign \
  s3://ookla-open-data/parquet/performance/type=mobile/year=2023/quarter=2/2023-04-01_performance_mobile_tiles.parquet .
```

<Note>
  Se quiser baixar mais arquivos, use `aws s3 ls` para obter uma lista de todos eles e, em seguida, atualizar o comando acima.
</Note>

Em seguida, vamos importar o módulo Parquet do pacote `pyarrow`:

```python theme={null}
import pyarrow.parquet as pq
```

E então podemos ler o arquivo Parquet em uma tabela do Apache Arrow:

```python theme={null}
arrow_table = pq.read_table("./2023-04-01_performance_mobile_tiles.parquet")
```

O esquema é exibido abaixo:

```python theme={null}
arrow_table.schema
```

```text theme={null}
quadkey: string
tile: string
tile_x: double
tile_y: double
avg_d_kbps: int64
avg_u_kbps: int64
avg_lat_ms: int64
avg_lat_down_ms: int32
avg_lat_up_ms: int32
tests: int64
devices: int64
```

E podemos obter o número de linhas e colunas chamando o atributo `shape`:

```python theme={null}
arrow_table.shape
```

```text theme={null}
(3864546, 11)
```

<div id="querying-apache-arrow">
  ## Consultando o Apache Arrow
</div>

Agora vamos consultar a tabela do Arrow no chDB.
Primeiro, vamos importar o chDB:

```python theme={null}
import chdb
```

Em seguida, podemos descrever a tabela:

```python theme={null}
chdb.query("""
DESCRIBE Python(arrow_table)
SETTINGS describe_compact_output=1
""", "DataFrame")
```

```text theme={null}
               name     type
0           quadkey   String
1              tile   String
2            tile_x  Float64
3            tile_y  Float64
4        avg_d_kbps    Int64
5        avg_u_kbps    Int64
6        avg_lat_ms    Int64
7   avg_lat_down_ms    Int32
8     avg_lat_up_ms    Int32
9             tests    Int64
10          devices    Int64
```

Também podemos contar o número de linhas:

```python theme={null}
chdb.query("SELECT count() FROM Python(arrow_table)", "DataFrame")
```

```text theme={null}
   count()
0  3864546
```

Agora, vamos fazer algo um pouco mais interessante.
A consulta a seguir exclui as colunas `quadkey` e `tile.*` e, em seguida, calcula os valores médio e máximo de todas as colunas restantes:

```python theme={null}
chdb.query("""
WITH numericColumns AS (
  SELECT * EXCEPT ('tile.*') EXCEPT(quadkey)
  FROM Python(arrow_table)
)
SELECT * APPLY(max), * APPLY(avg) APPLY(x -> round(x, 2))
FROM numericColumns
""", "Vertical")
```

```text theme={null}
Linha 1:
──────
max(avg_d_kbps):                4155282
max(avg_u_kbps):                1036628
max(avg_lat_ms):                2911
max(avg_lat_down_ms):           2146959360
max(avg_lat_up_ms):             2146959360
max(tests):                     111266
max(devices):                   1226
round(avg(avg_d_kbps), 2):      84393.52
round(avg(avg_u_kbps), 2):      15540.4
round(avg(avg_lat_ms), 2):      41.25
round(avg(avg_lat_down_ms), 2): 554355225.76
round(avg(avg_lat_up_ms), 2):   552843178.3
round(avg(tests), 2):           6.31
round(avg(devices), 2):         2.88
```