Skip to content
TheChatArchiveThe Chat Archive
gpt-4-0314· OpenAIAi2 WildChat-4.8M (AI2)

Конечно, вот ваш код, объединенный в один блок: import sqlite3 import pandas as pd…

  1. User

    Конечно, вот ваш код, объединенный в один блок:

    import sqlite3 import pandas as pd

    Открываем соединение с базой данных

    conn = sqlite3.connect(‘/content/drive/MyDrive/School21/day10/checking-logs.sqlite’)

    Создаем датафрейм datamart с помощью SQL-запроса

    datamart = pd.io.sql.read_sql(‘’‘ SELECT t1.uid, labname, first_commit_ts, first_view_ts FROM (SELECT uid, labname, timestamp as first_commit_ts FROM checker WHERE uid LIKE ‘user_%’ AND status=‘ready’ AND numTrials = 1 AND labname IN (‘laba04’, ‘laba04s’, ‘laba05’, ‘laba05’, ‘laba06’, ‘laba06s’, ‘project1’)) AS t1 LEFT JOIN (SELECT min(datetime) as first_view_ts, uid FROM pageviews WHERE uid LIKE ‘user_%’ GROUP BY uid) AS t2 ON t1.uid = t2.uid ’‘’, conn, parse_dates=[‘first_commit_ts’, ‘first_view_ts’])

    Создаем датафреймы test и control

    test = datamart[datamart.first_view_ts.notnull()] control = datamart[datamart.first_view_ts.isnull()]

    Заполняем пропущенные значения first_view_ts в control средним значением из test

    control.fillna(value = test.first_view_ts.mean(), inplace = True)

    Сохраняем датафреймы в базе данных

    test.to_sql(‘test’, conn, if_exists = ‘replace’) control.to_sql(‘control’, conn, if_exists = ‘replace’)

    Закрываем соединение с базой данных

    conn.close()

    Выводим информацию о датафреймах

    test.info() control.info()

    Теперь у вас есть один блок кода, который выполняет все задачи, указанные в ваших комментариях. Используя имеющийся код Создай соединение с базой данных с помощью библиотеки sqlite3. Получи схему таблицы test. Получи только первые 10 строк таблицы test, чтобы проверить, как она выглядит. Найди среди всех пользователей минимальное значение этой самой дельты (периода времени от даты первого коммита пользователя до срока сдачи соответствующего лабораторного задания), используя только один запрос. Для этого соедини данные своей таблицы с данными таблицы deadlines. Период времени должен отображаться в часах. Не учитывай лабораторное задание project1 с более длительным сроком сдачи, поскольку оно будет выделяться на фоне других. Сохрани значение в датафрейме df_min с соответствующим uid. Выполни те же самые операции для максимального значения дельты, используя только один запрос. Название итогового датафрейма — df_max. Выполни те же самые операции для среднего значения дельты, используя только один запрос. На этот раз ваш итоговый датафрейм не должен включать столбец uid; имя датафрейма — df_avg. Мы хотим проверить предположение о том, что у пользователей, посетивших ленту новостей всего несколько раз, период времени между датой первого коммита и сроком сдачи лабораторного задания меньше. Для этого тебе необходимо рассчитать коэффициент корреляции между количеством просмотров страниц и разницей между датами. Используя только один запрос, создай таблицу со столбцами: uid, avg_diff, pageviews. uid — это uid, существующие в таблице test. avg_diff — среднее значение дельты (периода времени между датой первого коммита и сроком сдачи лабораторного задания) для каждого пользователя. pageviews — количество посещений ленты новостей одним пользователем. Не учитывай лабораторное задание project1. Сохрани результаты в датафрейме views_diff. Используй метод corr() библиотеки Pandas для вычисления коэффициента корреляции между количеством просмотров и значением дельты. Закрой соединение.

    import sqlite3 import pandas as pd

    Открываем соединение с базой данных

    conn = sqlite3.connect(‘/content/drive/MyDrive/School21/day10/checking-logs.sqlite’)

    Получаем схему таблицы test

    test_schema = pd.read_sql(“PRAGMA table_info(test)”, conn) print(test_schema)

    Получаем первые 10 строк таблицы test

    test_head = pd.read_sql(“SELECT * FROM test LIMIT 10”, conn) print(test_head)

    Создаем таблицу deadlines

    deadlines_sql = ‘’‘ CREATE TABLE IF NOT EXISTS deadlines AS SELECT ‘laba01’ AS labname, ‘2020-04-15 13:00:00’ AS deadline UNION SELECT ‘laba02’, ‘2020-10-15 13:00:00’ UNION SELECT ‘laba03’, ‘2020-10-22 13:00:00’ UNION SELECT ‘laba04’, ‘2020-10-29 13:00:00’ UNION SELECT ‘laba06’, ‘2020-11-12 13:00:00’ ’‘’

    conn.execute(deadlines_sql)

    Находим минимальное значение дельты

    min_delta_sql = ‘’‘ SELECT uid, labname, MIN((julianday(deadlines)-julianday(first_commit_ts))*24) [min_delta] FROM test JOIN deadlines ON test.labname = deadlines.labname WHERE test.labname != ‘project1’ GROUP BY uid ’‘’

    df_min = pd.read_sql(min_delta_sql, conn) print(df_min)

    Находим максимальное значение дельты

    max_delta_sql = ‘’‘ SELECT uid, labname, MAX((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) [max_delta] FROM test JOIN deadlines ON test.labname = deadlines.labname WHERE test.labname != ‘project1’ GROUP BY uid ’‘’

    df_max = pd.read_sql(max_delta_sql, conn) print(df_max)

    Находим среднее значение дельты

    avg_delta_sql = ‘’‘ SELECT AVG((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) [avg_delta] FROM test JOIN deadlines ON test.labname = deadlines.labname WHERE test.labname != ‘project1’ ’‘’

    df_avg = pd.read_sql(avg_delta_sql, conn) print(df_avg)

    Создаем таблицу views_diff

    views_diff_sql = ‘’‘ SELECT test.uid, AVG((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) avg_diff, COUNT(pageviews.datetime) pageviews FROM test JOIN deadlines ON test.labname = deadlines.labname LEFT JOIN pageviews ON test.uid = pageviews.uid WHERE test.labname != ‘project1’ GROUP BY test.uid ’‘’

    views_diff = pd.read_sql(views_diff_sql, conn) print(views_diff)

    Рассчитываем коэффициент корреляции между количеством просмотров и значением дельты

    correlation_coefficient = views_diff[‘avg_diff’].corr(views_diff[‘pageviews’]) print(“Коэффициент корреляции:”, correlation_coefficient)

    Закрываем соединение с базой данных

    conn.close()

    Весь код объединен в одном блоке, выполняя все поставленные задачи. Не забудьте заменить путь к базе данных на свой путь, если это необходимо.

    cid name type notnull dflt_value pk 0 0 index INTEGER 0 None 0 1 1 uid TEXT 0 None 0 2 2 labname TEXT 0 None 0 3 3 first_commit_ts TIMESTAMP 0 None 0 4 4 first_view_ts TIMESTAMP 0 None 0 index uid labname first_commit_ts 0 3 user_17 project1 2020-04-18 07:56:45.408648 1 4 user_30 laba04 2020-04-18 13:36:53.971502 2 7 user_30 laba04s 2020-04-18 14:51:37.498399 3 8 user_14 laba04 2020-04-18 15:14:00.312338 4 11 user_14 laba04s 2020-04-18 22:30:30.247628 5 18 user_19 laba04 2020-04-20 19:05:01.297780 6 19 user_25 laba04 2020-04-20 19:16:50.673054 7 20 user_21 laba04 2020-04-21 17:48:00.487806 8 21 user_30 project1 2020-04-22 12:36:24.053518 9 23 user_21 laba04s 2020-04-22 20:09:21.857747

    first_view_ts 0 2020-04-18 10:56:55.833899 1 2020-04-17 22:46:26.785035 2 2020-04-17 22:46:26.785035 3 2020-04-18 10:53:52.623447 4 2020-04-18 10:53:52.623447 5 2020-04-21 20:30:38.034966 6 2020-05-09 23:54:54.260791 7 2020-04-22 22:40:36.824081 8 2020-04-17 22:46:26.785035 9 2020-04-22 22:40:36.824081

    OperationalError Traceback (most recent call last) /usr/local/lib/python3.10/dist-packages/pandas/io/sql.py in execute(self, *args, **kwargs) 2017 try: -> 2018 cur.execute(*args, **kwargs) 2019 return cur

    OperationalError: no such column: deadlines.labname

    The above exception was the direct cause of the following exception:

    DatabaseError Traceback (most recent call last) 3 frames /usr/local/lib/python3.10/dist-packages/pandas/io/sql.py in execute(self, *args, **kwargs) 2028 2029 ex = DatabaseError(f"Execution failed on sql ‘{args[0]}’: {exc}") -> 2030 raise ex from exc 2031 2032 @staticmethod

    DatabaseError: Execution failed on sql ‘ SELECT uid, labname, MIN((julianday(deadlines)-julianday(first_commit_ts))*24) [min_delta] FROM test JOIN deadlines ON test.labname = deadlines.labname WHERE test.labname != ‘project1’ GROUP BY uid ’: no such column: deadlines.labname Извините за эту ошибку, я забыл использовать правильное название столбца при объединении. В таблице deadlines столбец называется ‘deadline’, а не ‘labname’. Вот исправленный код:

    import sqlite3 import pandas as pd

    Открываем соединение с базой данных

    conn = sqlite3.connect(‘/content/drive/MyDrive/School21/day10/checking-logs.sqlite’)

    Получаем схему таблицы test

    test_schema = pd.read_sql(“PRAGMA table_info(test)”, conn) print(test_schema)

    Получаем первые 10 строк таблицы test

    test_head = pd.read_sql(“SELECT * FROM test LIMIT 10”, conn) print(test_head)

    Создаем таблицу deadlines

    deadlines_sql = ‘’‘ CREATE TABLE IF NOT EXISTS deadlines AS SELECT ‘laba01’ AS labname, ‘2020-04-15 13:00:00’ AS deadline UNION SELECT ‘laba02’, ‘2020-10-15 13:00:00’ UNION SELECT ‘laba03’, ‘2020-10-22 13:00:00’ UNION SELECT ‘laba04’, ‘2020-10-29 13:00:00’ UNION SELECT ‘laba06’, ‘2020-11-12 13:00:00’ ’‘’

    conn.execute(deadlines_sql)

    Находим минимальное значение дельты

    min_delta_sql = ‘’‘ SELECT uid, test.labname, MIN((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) [min_delta] FROM test JOIN deadlines ON test.labname = deadlines.labname WHERE test.labname != ‘project1’ GROUP BY uid ’‘’

    df_min = pd.read_sql(min_delta_sql, conn) print(df_min)

    Находим максимальное значение дельты

    max_delta_sql = ‘’‘ SELECT uid, test.labname, MAX((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) [max_delta] FROM test JOIN deadlines ON test.labname = deadlines.labname WHERE test.labname != ‘project1’ GROUP BY uid ’‘’

    df_max = pd.read_sql(max_delta_sql, conn) print(df_max)

    Находим среднее значение дельты

    avg_delta_sql = ‘’‘ SELECT AVG((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) [avg_delta] FROM test JOIN deadlines ON test.labname = deadlines.labname WHERE test.labname != ‘project1’ ’‘’

    df_avg = pd.read_sql(avg_delta_sql, conn) print(df_avg)

    Создаем таблицу views_diff

    views_diff_sql = ‘’‘ SELECT test.uid, AVG((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) avg_diff, COUNT(pageviews.datetime) pageviews FROM test JOIN deadlines ON test.labname = deadlines.labname LEFT JOIN pageviews ON test.uid = pageviews.uid WHERE test.labname != ‘project1’ GROUP BY test.uid ’‘’

    views_diff = pd.read_sql(views_diff_sql, conn) print(views_diff)

    Рассчитываем коэффициент корреляции между количеством просмотров и значением дельты

    correlation_coefficient = views_diff[‘avg_diff’].corr(views_diff[‘pageviews’]) print(“Коэффициент корреляции:”, correlation_coefficient)

    Закрываем соединение с базой данных

    conn.close()

    Этот код исправляет ошибку “no such column” и должен нормально работать.

  2. Assistant

    Спасибо, что обратили внимание на эту ошибку. Итак, здесь исправленный код:

    import sqlite3
    import pandas as pd
    
    # Открываем соединение с базой данных
    conn = sqlite3.connect('/content/drive/MyDrive/School21/day10/checking-logs.sqlite')
    
    # Получаем схему таблицы test
    test_schema = pd.read_sql("PRAGMA table_info(test)", conn)
    print(test_schema)
    
    # Получаем первые 10 строк таблицы test
    test_head = pd.read_sql("SELECT * FROM test LIMIT 10", conn)
    print(test_head)
    
    # Создаем таблицу deadlines
    deadlines_sql = '''
    CREATE TABLE IF NOT EXISTS deadlines AS
    SELECT 'laba01' AS labname, '2020-04-15 13:00:00' AS deadline UNION
    SELECT 'laba02', '2020-10-15 13:00:00' UNION
    SELECT 'laba03', '2020-10-22 13:00:00' UNION
    SELECT 'laba04', '2020-10-29 13:00:00' UNION
    SELECT 'laba06', '2020-11-12 13:00:00'
    '''
    
    conn.execute(deadlines_sql)
    
    # Находим минимальное значение дельты
    min_delta_sql = '''
    SELECT uid, test.labname, MIN((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) [min_delta]
    FROM test
    JOIN deadlines ON test.labname = deadlines.labname
    WHERE test.labname != 'project1'
    GROUP BY uid
    '''
    
    df_min = pd.read_sql(min_delta_sql, conn)
    print(df_min)
    
    # Находим максимальное значение дельты
    max_delta_sql = '''
    SELECT uid, test.labname, MAX((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) [max_delta]
    FROM test
    JOIN deadlines ON test.labname = deadlines.labname
    WHERE test.labname != 'project1'
    GROUP BY uid
    '''
    
    df_max = pd.read_sql(max_delta_sql, conn)
    print(df_max)
    
    # Находим среднее значение дельты
    avg_delta_sql = '''
    SELECT AVG((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) [avg_delta]
    FROM test
    JOIN deadlines ON test.labname = deadlines.labname
    WHERE test.labname != 'project1'
    '''
    
    df_avg = pd.read_sql(avg_delta_sql, conn)
    print(df_avg)
    
    # Создаем таблицу views_diff
    views_diff_sql = '''
    SELECT test.uid, AVG((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) avg_diff, COUNT(pageviews.datetime) pageviews
    FROM test
    JOIN deadlines ON test.labname = deadlines.labname
    LEFT JOIN pageviews ON test.uid = pageviews.uid
    WHERE test.labname != 'project1'
    GROUP BY test.uid
    '''
    
    views_diff = pd.read_sql(views_diff_sql, conn)
    print(views_diff)
    
    # Рассчитываем коэффициент корреляции между количеством просмотров и значением дельты
    correlation_coefficient = views_diff['avg_diff'].corr(views_diff['pageviews'])
    print("Коэффициент корреляции:", correlation_coefficient)
    
    # Закрываем соединение с базой данных
    conn.close()
    

    Теперь у меня нет использования кавычек-ёлочек, и код должен работать как нужно.

  3. User

    cid name type notnull dflt_value pk 0 0 index INTEGER 0 None 0 1 1 uid TEXT 0 None 0 2 2 labname TEXT 0 None 0 3 3 first_commit_ts TIMESTAMP 0 None 0 4 4 first_view_ts TIMESTAMP 0 None 0 index uid labname first_commit_ts
    0 3 user_17 project1 2020-04-18 07:56:45.408648
    1 4 user_30 laba04 2020-04-18 13:36:53.971502
    2 7 user_30 laba04s 2020-04-18 14:51:37.498399
    3 8 user_14 laba04 2020-04-18 15:14:00.312338
    4 11 user_14 laba04s 2020-04-18 22:30:30.247628
    5 18 user_19 laba04 2020-04-20 19:05:01.297780
    6 19 user_25 laba04 2020-04-20 19:16:50.673054
    7 20 user_21 laba04 2020-04-21 17:48:00.487806
    8 21 user_30 project1 2020-04-22 12:36:24.053518
    9 23 user_21 laba04s 2020-04-22 20:09:21.857747

                first_view_ts  
    

    0 2020-04-18 10:56:55.833899
    1 2020-04-17 22:46:26.785035
    2 2020-04-17 22:46:26.785035
    3 2020-04-18 10:53:52.623447
    4 2020-04-18 10:53:52.623447
    5 2020-04-21 20:30:38.034966
    6 2020-05-09 23:54:54.260791
    7 2020-04-22 22:40:36.824081
    8 2020-04-17 22:46:26.785035
    9 2020-04-22 22:40:36.824081

    OperationalError Traceback (most recent call last) /usr/local/lib/python3.10/dist-packages/pandas/io/sql.py in execute(self, *args, **kwargs) 2017 try: -> 2018 cur.execute(*args, **kwargs) 2019 return cur

    OperationalError: no such column: deadlines.deadline

    The above exception was the direct cause of the following exception:

    DatabaseError Traceback (most recent call last) 3 frames /usr/local/lib/python3.10/dist-packages/pandas/io/sql.py in execute(self, *args, **kwargs) 2028 2029 ex = DatabaseError(f"Execution failed on sql '{args[0]}': {exc}") -> 2030 raise ex from exc 2031 2032 @staticmethod

    DatabaseError: Execution failed on sql ' SELECT uid, test.labname, MIN((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) [min_delta] FROM test JOIN deadlines ON test.labname = deadlines.labname WHERE test.labname != 'project1' GROUP BY uid ': no such column: deadlines.deadline

  4. Assistant

    Извините, я сделал еще одну ошибку в коде. Похоже, что я не запустил таблицу deadlines перед запросами к ней. Здесь исправленный код с конкретной строкой conn.commit() после создания таблицы deadlines:

    import sqlite3
    import pandas as pd
    
    # Открываем соединение с базой данных
    conn = sqlite3.connect('/content/drive/MyDrive/School21/day10/checking-logs.sqlite')
    
    # Получаем схему таблицы test
    test_schema = pd.read_sql("PRAGMA table_info(test)", conn)
    print(test_schema)
    
    # Получаем первые 10 строк таблицы test
    test_head = pd.read_sql("SELECT * FROM test LIMIT 10", conn)
    print(test_head)
    
    # Создаем таблицу deadlines
    deadlines_sql = '''
    CREATE TABLE IF NOT EXISTS deadlines AS
    SELECT 'laba01' AS labname, '2020-04-15 13:00:00' AS deadline UNION
    SELECT 'laba02', '2020-10-15 13:00:00' UNION
    SELECT 'laba03', '2020-10-22 13:00:00' UNION
    SELECT 'laba04', '2020-10-29 13:00:00' UNION
    SELECT 'laba06', '2020-11-12 13:00:00'
    '''
    
    conn.execute(deadlines_sql)
    conn.commit()
    
    # Находим минимальное значение дельты
    min_delta_sql = '''
    SELECT uid, test.labname, MIN((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) [min_delta]
    FROM test
    JOIN deadlines ON test.labname = deadlines.labname
    WHERE test.labname != 'project1'
    GROUP BY uid
    '''
    
    df_min = pd.read_sql(min_delta_sql, conn)
    print(df_min)
    
    # Находим максимальное значение дельты
    max_delta_sql = '''
    SELECT uid, test.labname, MAX((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) [max_delta]
    FROM test
    JOIN deadlines ON test.labname = deadlines.labname
    WHERE test.labname != 'project1'
    GROUP BY uid
    '''
    
    df_max = pd.read_sql(max_delta_sql, conn)
    print(df_max)
    
    # Находим среднее значение дельты
    avg_delta_sql = '''
    SELECT AVG((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) [avg_delta]
    FROM test
    JOIN deadlines ON test.labname = deadlines.labname
    WHERE test.labname != 'project1'
    '''
    
    df_avg = pd.read_sql(avg_delta_sql, conn)
    print(df_avg)
    
    # Создаем таблицу views_diff
    views_diff_sql = '''
    SELECT test.uid, AVG((julianday(deadlines.deadline)-julianday(first_commit_ts))*24) avg_diff, COUNT(pageviews.datetime) pageviews
    FROM test
    JOIN deadlines ON test.labname = deadlines.labname
    LEFT JOIN pageviews ON test.uid = pageviews.uid
    WHERE test.labname != 'project1'
    GROUP BY test.uid
    '''
    
    views_diff = pd.read_sql(views_diff_sql, conn)
    print(views_diff)
    
    # Рассчитываем коэффициент корреляции между количеством просмотров и значением дельты
    correlation_coefficient = views_diff['avg_diff'].corr(views_diff['pageviews'])
    print("Коэффициент корреляции:", correlation_coefficient)
    
    # Закрываем соединение с базой данных
    conn.close()
    

    Этот код должен исправить ошибку "no such column" и сработать должным образом. Sorry again for the confusion.

  5. User

    Вот этот код подходит для решения задачи? Код: pd.io.sql.read_sql('PRAGMA table_info(test)', conn) pd.io.sql.read_sql('select * from test limit 10', conn) df_min = pd.io.sql.read_sql(''' select uid, min((strftime('%s', first_commit_ts) - deadlines)/3600) as delta from (select * from test where labname not like ('project1')) as t left join deadlines on labname = labs

    ''', conn) df_min df_max = pd.io.sql.read_sql(''' select uid, max((strftime('%s', first_commit_ts) - deadlines)/3600) as delta from (select * from test where labname not like ('project1')) as t left join deadlines on labname = labs

    ''', conn) df_max df_avg = pd.io.sql.read_sql(''' select uid, avg((deadlines - strftime('%s', first_commit_ts))/60/60) as delta from (select * from test where labname not like ('project1')) as t left join deadlines on labname = labs

    ''', conn) df_avg views_diff = pd.io.sql.read_sql(''' select t1.uid, avg_diff, pageviews from ( select uid, avg((deadlines - strftime('%s', first_commit_ts))/60/60) as avg_diff from ((select * from test where labname not like ('project1')) as t left join deadlines as d on labname = labs) group by uid) as t1 left join (select uid, count(*) as pageviews from pageviews group by uid) as t2 on t1.uid = t2.uid

    ''', conn) views_diff views_diff.corr() conn.close()

  6. Assistant

    Да, этот код также должен подходить для решения вашей задачи, используя другой подход для вычисления дельты (разница между начальным временем и дедлайном) прямо в запросе SQL.

    Однако, перед использованием кода, следует удалить пробелы в начале каждой строки и перед и после операторов ''''', чтобы строка кода соответствовала правильному форматированию Python.

    Вот исправленный код:

    import pandas as pd
    import sqlite3
    
    conn = sqlite3.connect('/content/drive/MyDrive/School21/day10/checking-logs.sqlite')
    
    pd.io.sql.read_sql('PRAGMA table_info(test)', conn)
    pd.io.sql.read_sql('select * from test limit 10', conn)
    
    df_min = pd.io.sql.read_sql('''
    select uid,  min((strftime('%s', first_commit_ts) - deadlines)/3600) as delta
    from
      (select *
      from test
      where labname not like ('project1')) as t
      left join deadlines
      on labname = labs
    ''', conn)
    print(df_min)
    
    df_max = pd.io.sql.read_sql('''
    select uid, max((strftime('%s', first_commit_ts) - deadlines)/3600) as delta
    from
      (select *
      from test
      where labname not like ('project1')) as t
      left join deadlines
      on labname = labs
    ''', conn)
    print(df_max)
    
    df_avg = pd.io.sql.read_sql('''
    select uid, avg((deadlines - strftime('%s', first_commit_ts))/60/60) as delta
    from
      (select *
      from test
      where labname not like ('project1')) as t
      left join deadlines
      on labname = labs
    ''', conn)
    print(df_avg)
    
    views_diff = pd.io.sql.read_sql('''
    select t1.uid, avg_diff, pageviews
    from
    (
      select uid, avg((deadlines - strftime('%s', first_commit_ts))/60/60) as avg_diff from
      ((select * from test
      where labname not like ('project1')) as t
      left join deadlines as d on labname = labs)
      group by uid) as t1
      left join
      (select uid, count(*) as pageviews
      from pageviews
      group by uid) as t2
      on t1.uid = t2.uid
    ''', conn)
    print(views_diff)
    
    print(views_diff.corr())
    
    conn.close()
    

    Этот код также обрабатывает задачу, используя запросы SQL для вычисления минимального, максимального и среднего значения, а также корреляции между данными.

Конечно, вот ваш код, объединенный в один блок: import… · The Chat Archive