Lección 11 del curso SQL Nivel Avanzado.
En la lección anterior vimos cómo tomar los datos provenientes de una tabla en SQL y almacenarlos en un DataFrame (o tabla) de Pandas.
En esta última lección del curso veremos cómo modificar una tabla de datos desde Python y cómo exportarla posteriormente a una base de datos en SQL.
Y para poder lograr esto usaremos otra librería: SQLAlchemy. Esta librería nos permite, al igual que “psycopg2”, acceder a una base de datos y extraer las tablas en formato de DataFrame de Pandas. Pero, a diferencia de “psycopg2”, SQLAlchemy facilita la exportación de estas tablas, es decir que se requerirán muy pocas líneas de código para tomar una tabla de Pandas y almacenarla en una base de datos de SQL.
Así que veamos cómo hacer todo esto:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, el uso de SQLAlchemy para enviar datos desde y hacia SQL a través de Python es un proceso muy pero muy sencillo.
Una vez instalada la librería, si queremos conectarnos a una base de datos simplemente creamos un motor de búsqueda (“engine”) que contendrá todas las credenciales de acceso. Y luego usamos el método “read_sql” de Pandas para, con ayuda de dicho motor, acceder a la base de datos y extraer la información que nos interesa.
Y ya teniendo la tabla de datos en Python podemos hacer las modificaciones que queramos y una vez esté lista la podemos exportar (es decir almacenar en la base de datos de SQL). Para ello usamos el método “to_sql” que, en una sola línea de código, nos permite realizar de forma muy sencilla esta tarea.
Así que en este punto ya hemos completado todos los objetivos de este curso SQL Nivel Avanzado y de hecho ya hemos completado esta serie de tres cursos sobre SQL para Ciencia de Datos y Machine Learning acá en la Academia Online.
En este último curso hemos aprendido a realizar el pre-procesamiento y la limpieza de sets de datos con SQL, hemos visto cómo usar SQL para llevar a cabo el Análisis Exploratorio de Datos además de herramientas que nos permiten crear sets de datos para tareas de clasificación y regresión en Machine Learning.
Y en este último módulo del curso hemos visto cómo usar las librerías “psycopg2” y SQLAlchemy para poder acceder a tablas de datos en SQL, modificarlas en Python y, si resulta necesario, posteriormente exportarlas nuevamente a SQL.
Así que te invito a contactarme para que me cuentes si te gustó el curso o si tienes algún comentario o sugerencia para seguir mejorando el contenido de la Academia Online.
¡Te envío un saludo y nos vemos en el próximo curso!
Todas las lecciones del curso SQL Nivel Avanzado