> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-detect-table-modification.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# 如何查询远程 ClickHouse 服务器
> 在本指南中，我们将学习如何通过 chDB 查询远程 ClickHouse 服务器。
在本指南中，我们将学习如何通过 chDB 查询远程 ClickHouse 服务器。
## 环境准备
先创建一个虚拟环境：
```bash theme={null}
python -m venv .venv
source .venv/bin/activate
```
现在我们来安装 chDB。
请确保版本为 2.0.2 或更高：
```bash theme={null}
pip install "chdb>=2.0.2"
```
现在，我们来安装 pandas 和 ipython：
```bash theme={null}
pip install pandas ipython
```
我们将使用 `ipython` 来运行本指南其余部分中的命令，你可以通过运行以下命令启动它：
```bash theme={null}
ipython
```
你也可以在 Python 脚本中，或在你常用的 notebook 中使用这段代码。
## ClickPy 简介
我们要查询的远程 ClickHouse 服务器是 [ClickPy](https://clickpy.clickhouse.com)。
ClickPy 会记录所有 PyPI 软件包的下载情况，并让你通过 UI 查看各软件包的统计数据。
其底层数据库可使用 `play` 用户进行查询。
你可以在 [其 GitHub 代码仓库](https://github.com/ClickHouse/clickpy) 中了解有关 ClickPy 的更多信息。
## 查询 ClickPy ClickHouse 服务
先导入 chDB：
```python theme={null}
import chdb
```
我们将使用 `remoteSecure` 函数查询 ClickPy。
该函数至少需要提供主机名、表名和用户名。
我们可以编写以下查询，将 [`openai` package](https://clickpy.clickhouse.com/dashboard/openai) 的每日下载次数作为 Pandas DataFrame 返回：
```python theme={null}
query = """
SELECT
toStartOfDay(date)::Date32 AS x,
sum(count) AS y
FROM remoteSecure(
'clickpy-clickhouse.clickhouse.com',
'pypi.pypi_downloads_per_day',
'play'
)
WHERE project = 'openai'
GROUP BY x
ORDER BY x ASC
"""
openai_df = chdb.query(query, "DataFrame")
openai_df.sort_values(by=["x"], ascending=False).head(n=10)
```
```text theme={null}
x y
2392 2024-10-02 1793502
2391 2024-10-01 1924901
2390 2024-09-30 1749045
2389 2024-09-29 1177131
2388 2024-09-28 1157323
2387 2024-09-27 1688094
2386 2024-09-26 1862712
2385 2024-09-25 2032923
2384 2024-09-24 1901965
2383 2024-09-23 1777554
```
现在我们用同样的方法来获取 [`scikit-learn`](https://clickpy.clickhouse.com/dashboard/scikit-learn) 的下载量：
```python theme={null}
query = """
SELECT
toStartOfDay(date)::Date32 AS x,
sum(count) AS y
FROM remoteSecure(
'clickpy-clickhouse.clickhouse.com',
'pypi.pypi_downloads_per_day',
'play'
)
WHERE project = 'scikit-learn'
GROUP BY x
ORDER BY x ASC
"""
sklearn_df = chdb.query(query, "DataFrame")
sklearn_df.sort_values(by=["x"], ascending=False).head(n=10)
```
```text theme={null}
x y
2392 2024-10-02 1793502
2391 2024-10-01 1924901
2390 2024-09-30 1749045
2389 2024-09-29 1177131
2388 2024-09-28 1157323
2387 2024-09-27 1688094
2386 2024-09-26 1862712
2385 2024-09-25 2032923
2384 2024-09-24 1901965
2383 2024-09-23 1777554
```
## 合并 Pandas DataFrame
现在我们有两个 DataFrame，可以像下面这样按日期 (即 `x` 列) 将它们合并：
```python theme={null}
df = openai_df.merge(
sklearn_df,
on="x",
suffixes=("_openai", "_sklearn")
)
df.head(n=5)
```
```text theme={null}
x y_openai y_sklearn
0 2018-02-26 83 33971
1 2018-02-27 31 25211
2 2018-02-28 8 26023
3 2018-03-01 8 20912
4 2018-03-02 5 23842
```
然后，我们可以像下面这样计算 Open AI 下载量与 `scikit-learn` 下载量之比：
```python theme={null}
df['ratio'] = df['y_openai'] / df['y_sklearn']
df.head(n=5)
```
```text theme={null}
x y_openai y_sklearn ratio
0 2018-02-26 83 33971 0.002443
1 2018-02-27 31 25211 0.001230
2 2018-02-28 8 26023 0.000307
3 2018-03-01 8 20912 0.000383
4 2018-03-02 5 23842 0.000210
```
## 查询 Pandas DataFrames
接下来，假设我们想找出比率最高和最低时对应的日期。
我们可以回到 chDB 来计算这些值：
```python theme={null}
chdb.query("""
SELECT max(ratio) AS bestRatio,
argMax(x, ratio) AS bestDate,
min(ratio) AS worstRatio,
argMin(x, ratio) AS worstDate
FROM Python(df)
""", "DataFrame")
```
```text theme={null}
bestRatio bestDate worstRatio worstDate
0 0.693855 2024-09-19 0.000003 2020-02-09
```
如果你想进一步了解如何查询 Pandas DataFrames，请参阅 [Pandas DataFrames 开发者指南](/zh/products/chdb/guides/querying-pandas)。