Die Anzahl der Produkte in jeder Kategorie wurde ermittelt. Nun sollst du die Kategorien abrufen, in denen die Produkte mehr als einen bestimmten Geldbetrag kosten, damit das Unternehmen dort Rabatte gewähren kann.

import unittest
import psycopg2
import pandas as pd
import re

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_category_names_with_price_above_450(self):
        """Check that only unique category names with products priced above 450 are returned."""
        with open("query.sql", "r") as file:
            query = file.read()

        # Get the expected result using reference query
        reference_query = '''
            SELECT DISTINCT category.name
            FROM category
            JOIN product ON category.id = product.category_id
            WHERE price > 450
        '''
        self.cursor.execute(reference_query)
        expected_rows = self.cursor.fetchall()
        expected_set = set(row[0] for row in expected_rows)

        # Run user's query
        self.cursor.execute(query)
        rows = self.cursor.fetchall()
        user_set = set(row[0] for row in rows)

        condition = user_set == expected_set
        missing = expected_set - user_set
        extra = user_set - expected_set
        fail_msg = ""
        if missing:
            fail_msg += f"Missing expected categories: {', '.join(missing)}. "
        if extra:
            fail_msg += f"Unexpected categories returned: {', '.join(extra)}."
        _dynamic_test(
            self,
            condition,
            "Correct unique category names are returned for products with price > 450.",
            fail_msg or "Incorrect category names returned."
        )

    def test_output_only_category_name_column(self):
        """Check that only one column (category.name) is returned."""
        with open("query.sql", "r") as file:
            query = file.read()

        self.cursor.execute(query)
        columns = [desc[0] for desc in self.cursor.description]
        condition = len(columns) == 1 and normalize_text(columns[0]) == "name"
        _dynamic_test(
            self,
            condition,
            "Only one column 'name' is returned.",
            f"Expected only one column named 'name', got: {columns}"
        )

    def test_no_duplicate_category_names(self):
        """Check that there are no duplicate category names in the result."""
        with open("query.sql", "r") as file:
            query = file.read()
        self.cursor.execute(query)
        rows = self.cursor.fetchall()
        names = [row[0] for row in rows]
        condition = len(names) == len(set(names))
        _dynamic_test(
            self,
            condition,
            "No duplicate category names in the result.",
            "Duplicate category names found in the result."
        )

    def test_no_category_with_price_450_or_below(self):
        """Ensure no category is returned where all products have price <= 450."""
        with open("query.sql", "r") as file:
            query = file.read()
        self.cursor.execute(query)
        rows = self.cursor.fetchall()
        returned_names = set(row[0] for row in rows)
        # All categories that have at least one product with price > 450
        self.cursor.execute('''
            SELECT DISTINCT category.name
            FROM category
            JOIN product ON category.id = product.category_id
            WHERE price > 450
        ''')
        valid_names = set(row[0] for row in self.cursor.fetchall())
        # All categories that have only products with price <= 450
        self.cursor.execute('''
            SELECT DISTINCT category.name
            FROM category
            WHERE category.name NOT IN (
                SELECT DISTINCT category.name
                FROM category
                JOIN product ON category.id = product.category_id
                WHERE price > 450
            )
        ''')
        invalid_names = set(row[0] for row in self.cursor.fetchall())
        found_invalid = returned_names & invalid_names
        condition = not found_invalid
        _dynamic_test(
            self,
            condition,
            "No category with only products priced 450 or below is returned.",
            f"Categories returned with only products priced 450 or below: {', '.join(found_invalid)}"
        )


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

Erweitern Sie Ihr Wissen mit fortgeschrittenen SQL-Techniken für die Arbeit mit realen Daten. Lernen Sie, Daten mit GROUP BY und HAVING zu gruppieren und zu filtern, verschachtelte Unterabfragen zu schreiben und Tabellen mit INNER, LEFT, RIGHT und FULL JOIN zu verknüpfen. Sie erstellen, ändern und modifizieren außerdem Tabellen mit DDL-Anweisungen und fügen Datensätze mit DML-Anweisungen ein, aktualisieren oder löschen sie.

Erfahren Sie, wie Daten mit der GROUP BY-Klausel gruppiert und mithilfe von Aggregatfunktionen wie COUNT, SUM und AVG zusammengefasst werden. Lernen Sie, wie gruppierte Ergebnisse mit der HAVING-Klausel gefiltert und die korrekte Reihenfolge der SQL-Klauseln in einer Abfrage angewendet wird.



Erfahren Sie, wie verschachtelte Unterabfragen in WHERE- und FROM-Klauseln geschrieben werden, um komplexere Fragestellungen zu beantworten. Lernen Sie, Abfrageergebnisse aus mehreren Tabellen mit der UNION-Klausel zu kombinieren.



Erfahren Sie die Grundlagen der Kombination mehrerer Tabellen mit INNER-, LEFT-, RIGHT- und FULL-JOIN-Typen. Üben Sie das Schreiben von Joins, um verwandte Daten aus verschiedenen Tabellen als einheitliches Ergebnis abzufragen.

Erkunden Sie die Grundlagen von DDL und DML in SQL, von der Erstellung von Tabellen mit CREATE und Constraints bis zur Modifikation mit ALTER, DROP und TRUNCATE. Lernen Sie das Einfügen, Aktualisieren und Löschen von Datensätzen mit den Anweisungen INSERT, UPDATE und DELETE.

Herausforderung: Kategorie Nach Produktpreis Ermitteln

Herausforderung: Kategorie Nach Produktpreis Ermitteln

Kurzanleitung

Lösung