import unittest
import psycopg2
import pandas as pd

class TestPostgresQuery(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        cls.connection = psycopg2.connect(
            host="localhost",
            user="agent",
            password="qwerty",
            dbname="testdb",
            sslmode="disable"
        )
        cls.cursor = cls.connection.cursor()

    def test_avg_function_used(self):
        with open("query.sql", "r") as file:
            query = file.read()
        condition = "avg" in query.lower()
        _dynamic_test(
            self,
            condition,
            "AVG function is used in the query.",
            "Your query does not use the AVG function."
        )

    def test_surfacearea_condition(self):
        with open("query.sql", "r") as file:
            query = file.read().lower().replace(" ","")
        condition = "where" in query
        _dynamic_test(
            self,
            condition,
            "Query filters records with surfacearea > 300000.",
            "Query does not filter records with surfacearea > 300000."
        )

    def test_correct_average_value(self):
        # Calculate expected average
        data = [
            (1,'Japan ',377829),
            (3,'Mexico',1958201),
            (6,'Sweden',449964),
            (7,'Ukraine',603700),
            (8,'United States',9363520),
            (9,'Thailand',513115),
            (10,'Paraguay',406752),
            (11,'Philippines',300000), # not included (must be strictly > 300000)
            (12,'New Zealand',270534), # not included
            (13,'Norway',323877),
        ]
        filtered = [r[2] for r in data if r[2] > 300000]
        expected_avg = sum(filtered) / len(filtered)
        with open("query.sql", "r") as file:
            query = file.read()
        self.cursor.execute(query)
        result = self.cursor.fetchone()
        if result is not None:
            user_avg = float(result[0])
        else:
            user_avg = None
        condition = user_avg is not None and abs(user_avg - expected_avg) < 0.01
        _dynamic_test(
            self,
            condition,
            f"Query returns the correct average value: {expected_avg}.",
            f"Query does not return the correct average value. Expected: {expected_avg}, Got: {user_avg}."
        )

    def test_query_runs(self):
        with open("query.sql", "r") as file:
            query = file.read()
        try:
            self.cursor.execute(query)
            _dynamic_test(
                self,
                True,
                "Query executes successfully.",
                ""
            )
        except Exception as e:
            _dynamic_test(
                self,
                False,
                "",
                f"Query failed to execute: {e}"
            )

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

def normalize_text(text):
    text = text.lower()
    text = re.sub(r"\\s{2,}", " ", text)
    text = re.sub(r"\\s*([,:?])\\s*", r"\\1 ", text)
    return text.strip()

if __name__ == "__main__":
    unittest.main()


test_solution.py

Tämä kurssi sopii erinomaisesti aloittelijoille, jotka haluavat tutustua SQL:n maailmaan. Olitpa sitten vasta aloittamassa tietokantojen hallintaa tai tähtäämässä SQL:n käyttöön sovelluskehitysprojekteissa, kurssi kattaa olennaiset perusteet. Opit nopeasti hyödyntämään SQL:n koko potentiaalia aina tietojen kyselystä ja hallinnasta niiden saumattomaan integrointiin käytännön sovelluksiin. Kurssin lopussa hallitset käytännön ongelmien ratkaisun SQL:llä ja kehitysprosessisi tehostuu.

Tässä osiossa opimme käyttämään SQL SELECT -lausetta yksittäisen taulukon sarakkeen, useiden taulukon sarakkeiden ja kaikkien taulukon sarakkeiden hakemiseen. Lisäksi selvitämme, miten palautetaan yksilölliset arvot.

Tässä osiossa perehdytään siihen, miten kyselyn palauttamaa dataa voidaan järjestää ja priorisoida ORDER BY -lauseen avulla. Tämä lause sijoitetaan SELECT-lauseen loppuun ja sen avulla tulokset voidaan lajitella yhden tai useamman sarakkeen perusteella joko nousevaan tai laskevaan järjestykseen, mikä mahdollistaa merkityksellisemmän ja helpommin tulkittavan datan esittämisen.

Tässä osiossa opimme, kuinka palautettua dataa suodatetaan SELECT-lauseen WHERE-ehdon avulla. Opimme testaamaan yhtäsuuruutta, erisuuruutta, suurempia ja pienempiä arvoja sekä NULL-arvoja.

Tässä osiossa tarkastellaan, kuinka hakuehtoja voidaan tarkentaa yhdistämällä WHERE-lausekkeita AND- ja OR-operaattoreiden avulla. Lisäksi käsitellään, miten NOT-operaattoria voidaan käyttää tiettyjen tulosten poissulkemiseen.

Tässä osiossa opimme, mitä SQL:n yhteenvetofunktiot ovat ja miten niitä käytetään taulukoiden tietojen yhteenvedossa.

Haaste: Suuri Pinta-Alan Keskiarvo

Ratkaisu

Haaste: Suuri Pinta-Alan Keskiarvo

Ratkaisu