JupySQL 和 chDB
JupySQL 是一个 Python 库，可以让你在 Jupyter 笔记本和 IPython shell 中运行 SQL。在本指南中，我们将学习如何使用 chDB 和 JupySQL 查询数据。
设置
首先，让我们创建一个虚拟环境：
然后，我们将安装 JupySQL、IPython 和 Jupyter Lab：
我们可以在 IPython 中使用 JupySQL，通过运行以下命令启动：
或者在 Jupyter Lab 中，通过运行：
如果您使用的是 Jupyter Lab，您需要先创建一个笔记本，然后再继续后面的指南。
下载数据集
我们将使用 Jeff Sackmann 的 tennis_atp 数据集，其中包含有关球员及其排名的元数据。让我们开始下载排名文件：
配置 chDB 和 JupySQL
接下来，让我们导入 chDB 的 dbapi 模块：
我们将创建一个 chDB 连接。任何我们持久化的数据将被保存到 atp.chdb 目录：
现在让我们加载 sql 魔法并创建一个到 chDB 的连接：
接下来，我们将显示输出限制，以便查询的结果不会被截断：
在 CSV 文件中查询数据
我们已经下载了一些以 atp_rankings 为前缀的文件。让我们使用 DESCRIBE 子句来了解模式：
我们还可以编写一个 SELECT 查询，直接针对这些文件，以查看数据的样子：
数据的格式有点奇怪。让我们清理那日期，并使用 REPLACE 子句返回清理后的 ranking_date：
将 CSV 文件导入 chDB
现在我们要将这些 CSV 文件中的数据存储在一个表中。默认数据库不会在磁盘上持久化数据，因此我们需要先创建另一个数据库：
现在我们要创建一个名为 rankings 的表，其模式将基于 CSV 文件中数据的结构：
让我们快速检查一下我们表中的数据：
看起来很好，输出与直接查询 CSV 文件时的结果是一样的。
我们将对球员元数据进行同样的处理。这次数据都在一个单独的 CSV 文件中，因此让我们下载该文件：
接下来，根据 CSV 文件内容创建一个名为 players 的表。我们还将清理 dob 字段，使其成为 Date32 类型。
在 ClickHouse 中，
Date类型只支持从 1970 年开始的日期。由于dob列包含 1970 年之前的日期，因此我们将使用Date32类型。
完成后，我们可以查看我们所摄取的数据：
查询 chDB
数据导入完成，现在是有趣的部分 - 查询数据！
网球选手根据他们在比赛中的表现获得积分。每个选手在 52 周滚动周期内的积分。我们将编写一个查询，找到每个选手累计的最高积分，以及他们当时的排名：
有趣的是，这个列表中的一些选手在积分总数上并没有成为第一。
保存查询
我们可以使用 --save 参数将查询保存到与 %%sql 魔法相同的行上。--no-execute 参数表示将跳过查询执行。
当我们运行一个保存的查询时，它将被转换为公共表表达式（CTE）然后执行。在下面的查询中，我们计算当选手排名第一时所获得的最高积分：
带参数查询
我们还可以在查询中使用参数。参数只是普通变量：
然后我们可以在查询中使用 {{variable}} 语法。以下查询找到前 10 名中，选手首次和最后一次排名的日期之间天数最少的选手：
绘制直方图
JupySQL 还具有有限的图表功能。我们可以创建箱线图或直方图。
我们将创建一个直方图，但首先让我们编写（并保存）一个计算每个选手在前 100 名中所获得的排名的查询。我们将能够使用此查询创建一个直方图，以计算每个排名的选手数量：
然后我们可以通过运行以下命令创建一个直方图：
