Lección 9 del curso SQL Nivel Avanzado.
En la lección anterior vimos cómo usar SQL para preparar un set de datos para realizar pronósticos sobre Series de Tiempo.
Y como lo hemos visto a través de esta serie de cursos sobre SQL acá en la Academia Online, este lenguaje de programación es el que nos permite consultar y extraer información de bases de datos relacionales, pero tiene algunas limitaciones pues no nos facilita la implementación de técnicas sofisticadas de análisis, procesamiento o visualización de datos.
Por otra parte Python es el lenguaje de programación por excelencia en Ciencia de Datos y Machine Learning y posee todas las herramientas necesarias para realizar dicho análisis, procesamiento y visualización (recuerda que acá en la Academia hay tres cursos de este lenguaje de programación: Python Nivel Básico, Python Nivel Intermedio y Python Nivel Avanzado).
Sin embargo, Python no posee la capacidad de realizar consultas sobre bases de datos relacionales.
Es por esto que en este cuarto y último módulo del curso veremos cómo combinar el poder de SQL y de Python (los dos principales lenguajes de programación en Ciencia de Datos y Machine Learning) para analizar, procesar y visualizar datos provenientes de bases de datos relacionales.
Y en esta lección comenzaremos con lo esencial: viendo cómo conectarnos a una base de datos de SQL desde Python:
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 resulta muy pero muy sencillo consultar una base de datos relacionan el SQL desde Python.
El primer paso consiste en instalar la librería “psycopg2”. Una vez instalada e importada esta librería, simplemente debemos crear una conexión (especificando las credenciales de acceso a la base de datos) y luego realizamos como tal la consulta la cual escribimos usando precisamente el lenguaje SQL. Y siempre, al final de cada consulta realizada, debemos cerrar la conexión. ¡Es así de simple!
Lo interesante de todo esto es que una vez realizada la consulta tendremos almacenados los datos extraídos de la base de datos de SQL en una variable en Python y, en principio, ya podremos hacer muchas cosas con estos datos (analizarlos, procesarlos o visualizarlos).
Sin embargo, en los ejemplos vistos en esta lección, los datos provenientes de SQL no están almacenados en un formato que facilite este tipo de procesamiento. Lo más práctico es que la tabla de datos proveniente de la base de datos relacional sea almacenada directamente como un DataFrame de Pandas, la librería por excelencia para el procesamiento de datos tabulares en Python.
Así que en la próxima lección veremos precisamente cómo procesar una base de datos de SQL desde Python, importando las tablas de datos precisamente en el formato requerido por Pandas.
Todas las lecciones del curso SQL Nivel Avanzado