Соединение с MySQL
Источник описывает подключение через mysql-connector-python: нужны host, user, password и database. Это уровень Python-клиента, а не SQL-запроса.
📖 Теория
⚡ Кратко: суть занятия
Revision 1 повторяет подключение MySQL из Python и практику SQL по базе sakila.
В Python используется mysql-connector-python: подключение, cursor, execute, fetchall, description, DataFrame и close.
SQL-повторение начинается с поиска фильмов по LIKE "%LION%" и подсчёта таких фильмов.
JOIN film, film_category и category нужен для вывода фильмов с категориями.
ORDER BY length DESC LIMIT 10 показывает самые длинные фильмы.
GROUP BY category и HAVING фильтруют категории по количеству фильмов.
Оконные функции AVG(...) OVER (PARTITION BY name) и DENSE_RANK() OVER (...) добавляют агрегаты без схлопывания строк.
Топ-3 ошибки: забыть закрыть соединение, фильтровать Horror по неверному category_id, путать GROUP BY и оконную агрегацию.
Разбор темы
Курсор
Cursor создаётся после подключения и выполняет SQL через execute. Затем fetchall получает строки результата.
Названия столбцов
cursor.description хранит метаданные результата. Из него можно взять имена колонок и передать их в pandas DataFrame.
DataFrame
DataFrame удобен для просмотра SQL-результата в Jupyter/Colab. SQL остаётся источником данных, pandas помогает анализировать таблицу.
sakila и связи
Повторение работает с базой sakila. Для фильмов и категорий используются film, film_category и category.
GROUP BY и HAVING
GROUP BY собирает фильмы по категориям, HAVING фильтрует уже агрегированные группы.
Оконные функции
AVG(length) OVER (PARTITION BY name) показывает среднюю длину категории рядом с каждой строкой фильма, не уменьшая число строк.
Проверить по документации: дополнительные формы синтаксиса, параметры драйверов и поведение отдельных стадий могут отличаться между версиями MySQL, MongoDB, Compass, Atlas или Python-библиотек. Перед использованием в проекте сверяйте детали с официальной документацией.