Conectando Postgres a Jupyter Notebooks para consultas SQL

Clase 26 de 29 • Curso de PostgreSQL

Clase anteriorSiguiente clase

Resumen

Conectar y consultar bases de datos Postgres utilizando Jupyter Notebooks es un proceso sencillo y accesible gracias a Python. Este método permite integrar fácilmente consultas SQL y aprovechar potentes herramientas de visualización y manejo de datos.

¿Cómo configurar Jupyter Notebooks para trabajar con Postgres?

Configurar tu entorno en Jupyter Notebooks requiere dos simples pasos iniciales:

  1. Instalar paquete Psycopg2 Binary: python !pip install psycopg2-binary

  2. Instalar paquete Pandas: python !pip install pandas

Puedes fusionar ambas instalaciones en una sola celda de código para optimizar el espacio:

!pip install psycopg2-binary pandas

¿Cómo establecer la conexión desde Jupyter Notebooks hacia Postgres?

Para establecer la conexión, define claramente los parámetros esenciales en tu código:

  • Base de datos: Nombre específico de la base.
  • Usuario: Usuario autorizado para acceder.
  • Contraseña: Coloca tu contraseña, como platzi.root.
  • Host: Dirección IP (como 172.29.39.4).
  • Puerto: Generalmente el valor por defecto.

Ejemplo de cómo iniciar la conexión:

import psycopg2
import pandas as pd

conn = psycopg2.connect(
    database="nombre_db",
    user="usuario",
    password="platzi.root",
    host="172.29.39.4",
    port="5432"
)

¿Cómo realizar consultas SQL desde Jupyter Notebooks con Python?

Una vez creada la conexión, puedes ejecutar consultas SQL fácilmente:

cursor = conn.cursor()
cursor.execute("SELECT * FROM Customer LIMIT 6")

df = pd.DataFrame(cursor.fetchall())
df

cursor.close()
conn.close()

Este código recoge información solicitada desde tu base de datos Postgres y la almacena convenientemente en un DataFrame.

¿Qué ventajas ofrece Jupyter Notebooks al consultar PostgreSQL?

Entre las numerosas ventajas que ofrece utilizar Jupyter Notebooks para tus consultas se encuentra:

  • Ejecución clara por bloques o completa del código.
  • Visualización compacta y clara de grandes cantidades de información.
  • Gestión integrada para descargar paquetes esenciales.

Adicionalmente, puedes enriquecer tus resultados generando visualizaciones gráficas impactantes y fusionando fácilmente diferentes conjuntos de datos para análisis más completos.

¿Has tenido experiencia integrando PostgreSQL y Jupyter Notebooks? ¡Comparte tus dudas o consejos respecto a este tema!