> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-fix-nav-issues.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Cómo consultar Apache Arrow con chDB

> En esta guía, aprenderemos a consultar tablas de Apache Arrow con chDB

[Apache Arrow](https://arrow.apache.org/) es un formato de memoria estandarizado orientado a columna que ha ganado popularidad en la comunidad de datos.
En esta guía, aprenderemos a consultar Apache Arrow mediante la función de tabla `Python`.

<div id="setup">
  ## Configuración
</div>

Primero, cree un entorno virtual:

```bash theme={null}
python -m venv .venv
source .venv/bin/activate
```

Y ahora instalaremos chDB.
Asegúrate de tener la versión 2.0.2 o posterior:

```bash theme={null}
pip install "chdb>=2.0.2"
```

Y ahora vamos a instalar PyArrow, pandas e IPython:

```bash theme={null}
pip install pyarrow pandas ipython
```

Vamos a usar `ipython` para ejecutar los comandos del resto de la guía, que puedes iniciar con:

```bash theme={null}
ipython
```

También puedes usar el código en un script de Python o en tu notebook favorito.

<div id="creating-an-apache-arrow-table-from-a-file">
  ## Crear una tabla de Apache Arrow a partir de un archivo
</div>

Primero, descarguemos uno de los archivos Parquet del [conjunto de datos de Ookla](https://github.com/teamookla/ookla-open-data) con la [herramienta AWS CLI](https://aws.amazon.com/cli/):

```bash theme={null}
aws s3 cp \
  --no-sign \
  s3://ookla-open-data/parquet/performance/type=mobile/year=2023/quarter=2/2023-04-01_performance_mobile_tiles.parquet .
```

<Note>
  Si quieres descargar más archivos, usa `aws s3 ls` para obtener una lista de todos ellos y luego actualiza el comando anterior.
</Note>

A continuación, importaremos el módulo Parquet del paquete `pyarrow`:

```python theme={null}
import pyarrow.parquet as pq
```

Y luego podemos leer el archivo Parquet en una tabla Apache Arrow:

```python theme={null}
arrow_table = pq.read_table("./2023-04-01_performance_mobile_tiles.parquet")
```

A continuación se muestra el esquema:

```python theme={null}
arrow_table.schema
```

```text theme={null}
quadkey: string
tile: string
tile_x: double
tile_y: double
avg_d_kbps: int64
avg_u_kbps: int64
avg_lat_ms: int64
avg_lat_down_ms: int32
avg_lat_up_ms: int32
tests: int64
devices: int64
```

Y podemos obtener el número de filas y columnas llamando al atributo `shape`:

```python theme={null}
arrow_table.shape
```

```text theme={null}
(3864546, 11)
```

<div id="querying-apache-arrow">
  ## Consultar Apache Arrow
</div>

Ahora vamos a consultar la tabla de Arrow con chDB.
Primero, importemos chDB:

```python theme={null}
import chdb
```

Y a continuación podemos describir la tabla:

```python theme={null}
chdb.query("""
DESCRIBE Python(arrow_table)
SETTINGS describe_compact_output=1
""", "DataFrame")
```

```text theme={null}
               name     type
0           quadkey   String
1              tile   String
2            tile_x  Float64
3            tile_y  Float64
4        avg_d_kbps    Int64
5        avg_u_kbps    Int64
6        avg_lat_ms    Int64
7   avg_lat_down_ms    Int32
8     avg_lat_up_ms    Int32
9             tests    Int64
10          devices    Int64
```

También podemos contar el número de filas:

```python theme={null}
chdb.query("SELECT count() FROM Python(arrow_table)", "DataFrame")
```

```text theme={null}
   count()
0  3864546
```

Ahora, hagamos algo un poco más interesante.
La siguiente consulta excluye las columnas `quadkey` y `tile.*` y luego calcula los valores medio y máximo de todas las columnas restantes:

```python theme={null}
chdb.query("""
WITH numericColumns AS (
  SELECT * EXCEPT ('tile.*') EXCEPT(quadkey)
  FROM Python(arrow_table)
)
SELECT * APPLY(max), * APPLY(avg) APPLY(x -> round(x, 2))
FROM numericColumns
""", "Vertical")
```

```text theme={null}
Row 1:
──────
max(avg_d_kbps):                4155282
max(avg_u_kbps):                1036628
max(avg_lat_ms):                2911
max(avg_lat_down_ms):           2146959360
max(avg_lat_up_ms):             2146959360
max(tests):                     111266
max(devices):                   1226
round(avg(avg_d_kbps), 2):      84393.52
round(avg(avg_u_kbps), 2):      15540.4
round(avg(avg_lat_ms), 2):      41.25
round(avg(avg_lat_down_ms), 2): 554355225.76
round(avg(avg_lat_up_ms), 2):   552843178.3
round(avg(tests), 2):           6.31
round(avg(devices), 2):         2.88
```