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 2 版本中，我们提高了查询 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。

设置

让我们首先创建一个虚拟环境：

现在我们将安装 chDB。确保您使用的是 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 在本指南的其余部分运行命令，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该代码。

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

然后，我们将加载一个比赛的 JSON 文件到 DataFrame 中：

让我们看看我们将处理的数据：

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：

然后，让我们看看第一行的数据：

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 表函数查询 Pandas DataFrames：

因此，如果我们想列出 matches_df 中的列，可以写如下：

然后，我们可以通过编写以下查询找出裁判执法超过一场比赛的情况：

现在，让我们探索 events_df。

我们还可以在查询中将 DataFrames 连接在一起。例如，为了获取比赛的概况，我们可以写出以下查询：

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，需要使用有状态会话 API。

让我们导入会话模块：

初始化一个会话：

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，返回最顶端的传球接受者：

最后，我们还可以更新我们的联接查询，将 matches_df DataFrame 与 statsbomb.events 表联接：