Speichern Sie die Ergebnisse der SQL-Abfrage in einem Pandas DataFrame - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Speichern Sie die Ergebnisse der SQL-Abfrage in einem Pandas DataFrame

Sie können die Ergebnisse Ihrer SQL-Abfrage in einem Pandas DataFrame speichern. Der einfachste Weg, Abfrageergebnisse in a auszugeben, DataFrame besteht darin, das Funktionen der SQL-Erweiterung im JupyterLab SQL-Editor Drop-down-Menü für Abfrageergebnisse zu verwenden und die Pandas-Datenrahmenoption auszuwählen.

Alternativ können Sie den Parameter zu Ihrer Verbindungszeichenfolge hinzufügen. --output '{"format": "DATAFRAME", "dataframe_name": "dataframe_name"}'

Die folgende Abfrage extrahiert beispielsweise Details von Kunden mit dem höchsten Saldo aus der Customer Tabelle in der TPCH_SF1 Snowflake-Datenbank, wobei pandas sowohl SQL als auch SQL verwendet werden:

  • In diesem Beispiel extrahieren wir alle Daten aus der Kundentabelle und speichern sie in einer DataFrame benannten Tabelle. all_customer_data

    %%sm_sql --output '{"format": "DATAFRAME", "dataframe_name": "all_customer_data"}' --metastore-id snowflake-connection-name --metastore-type GLUE_CONNECTION
SELECT * FROM SNOWFLAKE_SAMPLE_DATA.TPCH_SF1.CUSTOMER
    Saved results to all_customer_data

  • Als Nächstes extrahieren wir die Details des höchsten Kontostands aus dem DataFrame.

    all_customer_data.loc[all_customer_data['C_ACCTBAL'].idxmax()].values
    array([61453, 'Customer#000061453', 'RxNgWcyl5RZD4qOYnyT3', 15,
'25-819-925-1077', Decimal('9999.99'), 'BUILDING','es. carefully regular requests among the blithely pending requests boost slyly alo'],
dtype=object)