如何使用 chDB 查询 Pandas DataFrame

Pandas 是一个流行的 Python 数据处理和分析库。在 chDB 的第 2 个版本中，我们提升了查询 Pandas DataFrame 的性能，并引入了 Python 表函数。在本指南中，我们将学习如何使用 Python 表函数查询 Pandas。

设置

首先，让我们创建一个虚拟环境：

现在我们将安装 chDB。确保您安装的版本为 2.0.2 或更高：

接下来，我们将安装 Pandas 和其他几个库：

我们将使用 ipython 来运行本指南中的命令，您可以通过运行以下命令启动：

您也可以在 Python 脚本或您喜欢的笔记本中使用这些代码。

我们将从 StatsBomb GitHub 仓库查询一些数据。首先，导入 requests 和 pandas：

然后，我们将加载其中一个比赛的 JSON 文件到 DataFrame：

让我们看一下我们将要处理的数据：

接下来，我们将加载其中一个事件的 JSON 文件，并在 DataFrame 中添加一列 match_id：

再一次，让我们看一下第一行的数据：

接下来，让我们看看如何使用 chDB 查询这些 DataFrames。我们将导入该库：

我们可以通过使用 Python 表函数查询 Pandas DataFrames：

因此，如果我们想列出 matches_df 中的列，我们可以写如下：

然后我们可以找出哪些裁判执法了超过一场比赛，方法是写如下查询：

现在，让我们探索一下 events_df。

我们还可以在查询中将 DataFrames 连接在一起。例如，若要获取比赛的概述，我们可以写如下查询：

我们还可以从 DataFrames 创建并填充 ClickHouse 表。如果我们想在 chDB 中创建一个表，我们需要使用状态会话 API。

让我们导入会话模块：

初始化会话：

接下来，我们将创建一个数据库：

然后，基于 events_df 创建一个 events 表：

然后，我们可以运行查询以获取接收最多传球的球员：

最后，我们还可以更新我们的连接查询，将 matches_df DataFrame 与 statsbomb.events 表连接：