如何使用 chDB 查询 Pandas DataFrames

Pandas 是一个流行的 Python 数据处理和分析库。在 chDB 的版本 2 中，我们优化了查询 Pandas DataFrames 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。

Setup

首先，我们创建一个虚拟环境：

现在我们将安装 chDB。确保您安装的版本是 2.0.2 或更高版本：

接下来，我们将安装 Pandas 和其他几个库：

我们将使用 ipython 来运行指南中的命令，您可以通过运行以下命令来启动：

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 repository 查询一些数据。首先，让我们导入 requests 和 pandas：

然后，我们将一个比赛的 JSON 文件加载到 DataFrame 中：

让我们看看我们将处理哪些数据：

接下来，我们将加载一个事件的 JSON 文件，并向该 DataFrame 添加一个名为 match_id 的列：

再来看看第一行的数据：

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

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

因此，如果我们想列出 matches_df 中的列，可以写如下内容：

然后，我们可以通过编写以下查询来找出哪些裁判主裁了超过一场比赛：

现在，让我们来探索一下 events_df。

我们还可以在查询中将 DataFrames 连接在一起。例如，为了获取比赛概况，我们可以编写以下查询：

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，则需要使用有状态会话 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，我们可以运行返回顶级传接者的查询：

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