Summary  
This chapter explains how to detect missing values in SQL by using the WHERE … IS NULL clause in a SELECT statement to filter rows where a column has no value.

General domain of usage  
Database queries

Hvis en værdi mangler eller er ukendt for en række, gemmes den som `NULL`. For at afgøre om en værdi er `NULL`, tjekker du ikke blot for lighed. I stedet bruger du `WHERE`-klausulen med `IS NULL` i en `SELECT`-sætning for at finde rækker, hvor kolonnens værdi er `NULL`.

Syntaksen for dette ser sådan ud:

```sql
SELECT columns
FROM table 
WHERE column_name IS NULL;
```

Følgende eksempel illustrerer dette:




SELECT name
FROM country
WHERE region IS NULL;

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

    def test_correct_columns_selected(self):
        """Check that only 'name' and 'capital' columns are selected."""
        with open("query.sql", "r") as f:
            user_query = f.read()
        self.cursor.execute(user_query)
        columns = [desc[0] for desc in self.cursor.description]
        expected_cols = ["name", "capital"]
        condition = columns == expected_cols
        _dynamic_test(
            self,
            condition,
            "Query selects only 'name' and 'capital' columns.",
            f"Query columns are {columns}, expected {expected_cols}."
        )

    def test_returns_only_null_population(self):
        """Check that only rows with population IS NULL are returned."""
        with open("query.sql", "r") as f:
            user_query = f.read()
        self.cursor.execute(user_query)
        rows = self.cursor.fetchall()
        if not rows:
            # No results, so nothing with NULL population
            condition = True
        else:
            # Check that every returned row corresponds to a country with population IS NULL
            for row in rows:
                name, capital = row
                self.cursor.execute(
                    "SELECT population FROM country WHERE name = %s AND capital = %s",
                    (name, capital)
                )
                pop = self.cursor.fetchone()
                if pop is None or pop[0] is not None:
                    condition = False
                    break
            else:
                condition = True
        _dynamic_test(
            self,
            condition,
            "All returned rows have population IS NULL.",
            "Some returned rows do not have population IS NULL."
        )

    def test_expected_rows_present(self):
        """Check that all expected countries with NULL population are present."""
        # Get expected rows
        self.cursor.execute(
            "SELECT name, capital FROM country WHERE population IS NULL ORDER BY name, capital"
        )
        expected = self.cursor.fetchall()
        # Get user rows
        with open("query.sql", "r") as f:
            user_query = f.read()
        self.cursor.execute(user_query)
        user_rows = self.cursor.fetchall()
        # Compare as sets of tuples
        expected_set = set(expected)
        user_set = set(user_rows)
        missing = expected_set - user_set
        extra = user_set - expected_set
        condition = (missing == set())
        fail_msg = ""
        if missing:
            fail_msg += f"Missing expected rows: {missing}. "
        if extra:
            fail_msg += f"Found unexpected rows: {extra}."
        _dynamic_test(
            self,
            condition,
            "All expected rows with NULL population are present.",
            fail_msg.strip()
        )

    def test_query_uses_is_null(self):
        """Check that the query uses 'IS NULL' in the WHERE clause for population."""
        with open("query.sql", "r") as f:
            user_query = f.read().lower().replace("\\n", " ")
        condition = ("where" in user_query and "population" in user_query and "is null" in user_query)
        _dynamic_test(
            self,
            condition,
            "Query uses IS NULL for population in WHERE clause.",
            "Query does not use 'IS NULL' for population in WHERE clause."
        )

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

Udforsk det grundlæggende i SQL — fra forespørgsler på data til integration i virkelige applikationer. Uanset om du er ny inden for databaseadministration eller ønsker at anvende SQL i dine udviklingsprojekter, dækker dette kursus det væsentlige. Du lærer hurtigt at udnytte det fulde potentiale i SQL, fra at forespørge og håndtere data til problemfri integration i praktiske applikationer. Ved kursets afslutning vil du have selvtilliden og færdighederne til at løse praktiske problemer med SQL og forbedre din udviklingsproces.

I dette afsnit lærer vi at bruge SQL SELECT-sætningen til at hente én tabelkolonne, flere tabelkolonner og alle tabelkolonner. Vi finder også ud af, hvordan man returnerer unikke værdier.

I dette afsnit undersøger vi, hvordan man organiserer og prioriterer de data, der returneres af en forespørgsel ved hjælp af ORDER BY-klausulen. Placeret i slutningen af en SELECT-sætning giver denne klausul dig mulighed for at sortere dine resultater efter én eller flere kolonner, enten i stigende eller faldende rækkefølge, hvilket muliggør en mere meningsfuld og letfortolkelig dataoutput.

I dette afsnit lærer vi, hvordan man filtrerer returnerede data ved hjælp af SELECT-sætningens WHERE-klausul. Vi gennemgår test for lighed, ulighed, større end og mindre end værdier samt NULL-værdier.

I dette afsnit vil vi undersøge, hvordan du kan forfine dine søgebetingelser ved at kombinere WHERE-klausuler med AND- og OR-operatorerne. Vi gennemgår også, hvordan NOT-operatoren kan bruges til at udelukke bestemte resultater.

I dette afsnit vil vi lære, hvad SQL-aggregeringsfunktioner er, og hvordan de bruges til at opsummere tabeldata.

Kontrol for Ingen Værdi

Løsning