diff --git a/SQLFusionEmboitement.ipynb b/SQLFusionEmboitement.ipynb
index ca67bc0..065bc55 100644
--- a/SQLFusionEmboitement.ipynb
+++ b/SQLFusionEmboitement.ipynb
@@ -1,225 +1,262 @@
{
"cells": [
{
"cell_type": "markdown",
"id": "3f467ad7-4bdd-4ce9-86f6-738f90481072",
"metadata": {},
"source": [
"# Exercice SQL – fusion et emboitement de requêtes\n",
"\n",
"Cette série d'exercices a pour but de vous permettre de **pratiquer l'écriture de requêtes SQL avec les opérateurs ensemblistes**. \n",
"Nous allons utiliser :\n",
"* la base de donnée QSpatiaLite concernant les cigognes que nous avons utilisée précédemment\n",
"* le language de programmation Python afin d'interroger cette base de données.\n",
"\n",
"## Objectifs\n",
"\n",
"A la fin de cette série d'exercices vous devriez être en mesure de :\n",
"* distinguer les différents opérateurs ensemblistes et leurs effets\n",
"* écrire des requêtes réalisant des opérations logiques avec ces opérateurs\n",
"* interroger une base de données avec Python\n"
]
},
{
"cell_type": "markdown",
"id": "301c618a-d9d4-47a5-bdb3-16a29f350a28",
"metadata": {
"tags": []
},
"source": [
"# 1. Accès à la base de données\n",
"Pour manipuler une base de donnée avec Python nous avons besoin des librairies `sqlite3` et `pandas`:"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "1661fb65-c207-4d64-8163-d2e648744eeb",
"metadata": {},
"outputs": [],
"source": [
"# Importing libraries\n",
"import sqlite3\n",
"import pandas"
]
},
{
"cell_type": "markdown",
"id": "83333b57-f511-4ccf-8c65-9819d4a29d5e",
"metadata": {},
"source": [
"D'abord on établit une connexion à la base de données :"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "2ae2db69-8429-4dea-949f-8457ccf0b6e1",
"metadata": {},
"outputs": [],
"source": [
"# Etablir la connexion à la base de données\n",
"con = sqlite3.connect(\"stork-mooc.sqlite\")"
]
},
{
"cell_type": "markdown",
"id": "217ca30f-8d8a-41f4-a4c0-1819d81c6f14",
"metadata": {},
"source": [
"Pour lister toutes les tables disponibles, on peut utiliser la table `sqlite_master` avec la requete suivante :\n",
"\n",
"```SELECT name FROM sqlite_master WHERE type='table';```\n",
"\n",
"Pour exécuter cette requête avec Python, on utilise la librairie `pandas` et sa fonction `read_sql_query` qui nous retourne directement une table.\n",
"Pour afficher cette table il suffit ensuite de faire un `display`."
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "949ae7ba-22e4-486d-9343-fd435d53eb8f",
"metadata": {},
"outputs": [],
"source": [
"# Donner la requête à executer\n",
"query = \"SELECT name FROM sqlite_master WHERE type='table';\"\n",
"\n",
"# Executer la requête et récupérer la table résultat\n",
"resulttable = pandas.read_sql_query(query, con)\n",
"\n",
"# Afficher la table résultat\n",
"display(resulttable)"
]
},
{
"cell_type": "markdown",
"id": "9b3f5582-f7e5-4857-92b5-fb8cab5b26e5",
"metadata": {},
"source": [
"De la même manière on peut afficher le détail de la table \"Migration\". \n",
"Si on veut limiter l'affichage aux 5 premières lignes, il suffit d'ajouter `.head()` sur la table résultat."
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "ba3d8cff-de55-4bed-a726-a52d312a333c",
"metadata": {},
"outputs": [],
"source": [
"# Donner la requête à executer\n",
"query = \"select * from migration\"\n",
"\n",
"# Executer la requête et récupérer la table résultat\n",
"resulttable = pandas.read_sql_query(query, con)\n",
"\n",
"# Afficher les 5 premières lignes de la table résultat\n",
"display(resulttable.head())"
]
},
{
"cell_type": "markdown",
"id": "ef5254fa-db75-4232-b380-8db6a581bebb",
"metadata": {},
"source": [
"# 2. Exercices avec SQL\n",
"\n",
"Pour tous les exercices suivants, **donnez la syntaxe SQL pour les requêtes demandées et testez vos requêtes.** \n",
"Afin que vos réponses puissent être corrigées adéquatement, veuillez suivre les quelques règles suivantes :\n",
"* Quand plusieurs attributs sont demandés, gardez l’ordre dans lequel ils apparaissent dans la question\n",
"* N’utilisez pas d’alias du nom de colonne ou table (sauf lorsque c’est demandé)\n",
"* Ne rajoutez pas de clause telle que WHERE, GROUP BY, ORDER BY, LIMIT\n",
"\n",
"## Exercice 1\n",
"\n",
"**Question**: Donnez le nom de toutes les cigognes qui ont migré à la fois en 2001 et en 2003 (en utilisant UNION, EXCEPT ou INTERSECT)"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "08fc5f61-202a-4e10-a0f6-c06333274b9b",
"metadata": {},
"outputs": [],
"source": [
"# Donner la requête à executer\n",
"query = \"select * from migration\" # TODO: MODIFIER LA REQUETE ICI\n",
"\n",
"# Executer la requête et récupérer la table résultat\n",
"resulttable = pandas.read_sql_query(query, con)\n",
"\n",
"# Afficher la table résultat\n",
"display(resulttable)"
]
},
{
"cell_type": "markdown",
- "id": "99f9d5ab-f4d6-41c2-b636-607bb0c1afdc",
+ "id": "39f68f2a-4743-4d08-ae3e-3947318e4c52",
"metadata": {},
"source": [
+ "\n",
+ "\n",
+ "**Besoin d'un indice ?** Cliquez sur les trois petits points \"...\" ci-dessous.\n",
+ "\n",
+ "
"
+ ]
+ },
+ {
+ "cell_type": "markdown",
+ "id": "2cbcdf75-f154-4f3c-86b2-dce797949ff9",
+ "metadata": {
+ "jupyter": {
+ "source_hidden": true
+ },
+ "tags": []
+ },
+ "source": [
+ "\n",
+ "\n",
+ "\n",
+ "Le résultat de votre requête doit avoir 4 lignes et 1 colonne. \n",
+ "Afin de déterminer le bon opérateur logique à utiliser, il peut être utile de faire un petit schéma sur le papier. \n",
+ "
\n"
+ ]
+ },
+ {
+ "cell_type": "markdown",
+ "id": "74657acc-86c2-4bb9-b194-564b9f5f58aa",
+ "metadata": {},
+ "source": [
+ "\n",
+ "\n",
"**Self-checks**\n",
"\n",
"Vous pouvez executer la cellule suivante qui va vérifier automatiquement quelques caractéristiques du résultat de votre requête. \n",
- "Ces tests ne sont pas suffisants pour assurer que vous avez la bonne réponse, mais ils vont vous permettre de savoir si vous êtes sur la bonne voie."
+ "Ces tests ne sont pas suffisants pour assurer que vous avez la bonne réponse, mais ils vont vous permettre de savoir si vous êtes sur la bonne voie.\n",
+ " \n",
+ "
"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "203d28d4-16da-4dea-a0d1-4cfb2d74aa10",
"metadata": {},
"outputs": [],
"source": [
"assert len(resulttable.index) == 4, f'Le résultat de vote requête a {len(resulttable.index)} ligne, alors que la solution a 4 lignes.'\n",
"assert len(resulttable.columns) == 1, f'Le résultat de vote requête a {len(resulttable.columns)} colonnes, alors que la solution a 1 colonne (la colonne \"name\").'\n",
"print(\"Le résultat de vote requête a le bon nombre de lignes (4) et de colonnes (1), c'est un bon début !\")"
]
},
{
"cell_type": "markdown",
"id": "6ac9efb7-ea81-4663-80e2-ab78ac61b5b6",
"metadata": {},
"source": [
+ "\n",
+ "\n",
"**Validation**\n",
"\n",
"Executez la cellule suivante afin de savoir si votre requête est correcte ou non. \n",
- "Lisez attentivement les éventuels messages d'erreur afin de corriger votre requête."
+ "Lisez attentivement les éventuels messages d'erreur afin de corriger votre requête.\n",
+ "
"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "839e19f7-bdc8-494d-9fae-b41e3035e4a1",
"metadata": {
"tags": []
},
"outputs": [],
"source": [
"from SQLFusionEmboitement import *\n",
"question1_validation(query)"
]
}
],
"metadata": {
"kernelspec": {
"display_name": "Python",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.8.10"
}
},
"nbformat": 4,
"nbformat_minor": 5
}