Summary  
This chapter explains how to use the SQL WHERE clause in a SELECT statement to filter rows based on conditions (e.g., equals, greater than, less than, not equal).

General domain of usage  
Relational database querying

This video demonstrates how to use the WHERE clause in SQL to filter data from a table. You will see how to write a SELECT statement with a WHERE clause, specify conditions for filtering rows, and understand where the WHERE clause fits in the query structure. Real examples using the country table will help you see how to retrieve only the rows that match your criteria, such as selecting countries from a specific continent.

У базах даних таблиці зазвичай містять значні обсяги даних. Однак часто виникає потреба отримати лише певні частини даних, а не всю інформацію. Для цього необхідно визначити умови вибірки даних, які називаються критеріями фільтрації.

Дані фільтруються за допомогою оператора `WHERE`, який визначає критерії пошуку у виразі `SELECT`. Оператор `WHERE` розміщується одразу після назви таблиці.

Під час зазначення рядкового значення, наприклад назви країни, текст необхідно брати в одинарні лапки (`'`).



SELECT name, continent 
FROM country 
WHERE continent='Europe';

Оператор `SELECT` отримує 2 стовпці з таблиці `country` та повертає лише ті рядки, у яких значення континенту дорівнює `'Europe'`.

### Порядок розташування клауз

Під час використання клауз `ORDER BY` та `WHERE` необхідно, щоб `ORDER BY` йшла після `WHERE`.



SELECT capital, continent 
FROM country 
WHERE continent='Asia'
ORDER BY continent DESC;

import unittest
import psycopg2
import pandas as pd

class TestTask(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_query_returns_correct_rows(self):
        """Check that only countries from 'North America' are returned with correct columns."""
        with open("query.sql", "r") as file:
            query = file.read()
        # Run user query
        self.cursor.execute(query)
        rows = self.cursor.fetchall()
        columns = [desc[0] for desc in self.cursor.description]
        df = pd.DataFrame(rows, columns=columns)

        # Solution dataframe
        self.cursor.execute("""
            SELECT id, name, region FROM country WHERE continent='North America';
        """)
        sol_rows = self.cursor.fetchall()
        sol_columns = [desc[0] for desc in self.cursor.description]
        sol_df = pd.DataFrame(sol_rows, columns=sol_columns)

        # Check matching rows and shape
        condition = df.shape == sol_df.shape and df.equals(sol_df)
        _dynamic_test(
            self,
            condition,
            "Query returns only the correct rows from 'North America' with correct columns.",
            f"Query did not return the correct rows or columns for 'North America'. Expected:\\n{sol_df}\\nGot:\\n{df}"
        )

    def test_column_order_and_names(self):
        """Check that columns are exactly id, name, region (in this order)."""
        with open("query.sql", "r") as file:
            query = file.read()
        self.cursor.execute(query)
        columns = [desc[0] for desc in self.cursor.description]
        expected = ["id", "name", "region"]
        condition = columns == expected
        _dynamic_test(
            self,
            condition,
            "Columns are in the correct order: id, name, region.",
            f"Columns are not in the correct order. Expected: {expected}, Got: {columns}"
        )

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

Цей курс ідеально підходить для початківців, які бажають ознайомитися зі світом SQL. Незалежно від того, чи ви тільки починаєте працювати з управлінням базами даних, чи плануєте використовувати SQL для розробки власних застосунків, курс охоплює основи. Ви швидко опануєте повний потенціал SQL: від запитів і керування даними до інтеграції у реальні застосунки. Після завершення курсу ви матимете впевненість і навички для вирішення практичних завдань за допомогою SQL та підвищення ефективності розробки.

У цьому розділі розглядається використання оператора SELECT у SQL для отримання одного стовпця таблиці, кількох стовпців таблиці та всіх стовпців таблиці. Також буде розглянуто способи повернення унікальних значень.

У цьому розділі ми розглянемо, як організовувати та впорядковувати дані, отримані в результаті запиту, за допомогою оператора ORDER BY. Розміщений наприкінці оператора SELECT, цей оператор дозволяє сортувати результати за одним або кількома стовпцями у порядку зростання або спадання, що забезпечує більш змістовний та легкий для інтерпретації вивід даних.

У цьому розділі ми розглянемо, як фільтрувати повернуті дані за допомогою оператора SELECT та його умови WHERE. Ми розглянемо перевірку на рівність, нерівність, діапазони значень більше та менше, а також роботу з NULL-значеннями.

У цьому розділі ми розглянемо, як уточнювати умови пошуку, комбінуючи оператори WHERE з операторами AND та OR. Також буде розглянуто використання оператора NOT для виключення певних результатів.

У цьому розділі розглядаються агрегатні функції SQL та способи їх використання для підсумовування даних таблиці.

Використання Оператора WHERE

Порядок розташування клауз

Рішення