Capitolo 1. Come iniziare con DuckDB
Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
Quando si parla di analisi dei dati, pandas è spesso la libreria preferita da molti sviluppatori. Recentemente, Polars è emersa come un'alternativa più veloce ed efficiente per gestire i DataFrames. Tuttavia, nonostante la popolarità di queste librerie , SQL (Structured Query Language) rimane il linguaggio più conosciuto e utilizzato dagli sviluppatori. Se i tuoi dati sono archiviati in un database che supporta SQL, l'uso di SQL per interrogare e manipolare i dati è spesso l'approccio più intuitivo ed efficace.
Mentre Python è diventato il linguaggio dominante nella scienza dei dati - in particolare per lavorare con i dati in formato tabellare attraverso gli oggetti DataFrame - SQL continua a essere il linguaggio universale dei dati. Dato che la maggior parte degli sviluppatori si trova già a proprio agio con SQL, non sarebbe più efficiente utilizzare direttamente SQL per la manipolazione dei dati?
È qui che DuckDB brilla. DuckDB è stato inizialmente concettualizzato nel 2018 come un database OLAP (online analytical processing) ottimizzato per query analitiche veloci. Il suo obiettivo era quello di colmare il divario tra i sistemi di database completi e la semplicità dei DB integrati come SQLite, ma con un'attenzione particolare ai carichi di lavoro analitici piuttosto che transazionali. La prima versione ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access