Interroger les tables en SQL

Le module scrydon.sql donne aux notebooks une surface SQL native sur les tables gérées de l'espace de travail. Connectez-vous une fois et le panneau Sources de données liste vos tables avec leurs colonnes — écrivez ensuite des requêtes SELECT, JOIN et GROUP BY exactement comme vous le feriez avec n'importe quelle connexion de base de données.

Chaque ligne que le notebook reçoit est déjà masquée : les mêmes politiques de masquage des colonnes que celles appliquées dans Analytics s'appliquent ici. Aucune configuration supplémentaire n'est nécessaire et aucun chemin ne les contourne.

Se connecter et explorer

Ajoutez cette cellule de configuration en haut du notebook :

from scrydon import sql

con = sql.connect()   # les tables de l'espace de travail apparaissent dans Sources de données

sql.connect() découvre vos tables et les enregistre dans la connexion DuckDB qu'elle retourne. Marimo liste la connexion dans le panneau Sources de données sur la gauche, sous une base de données scrydon, où vous pouvez cliquer sur une table pour voir ses colonnes ou lancer une cellule SELECT * FROM <table>.

Par défaut, connect() charge les tables les plus petites pour qu'une cellule SQL native retourne des lignes immédiatement. Les tables plus volumineuses (au-delà d'environ 50 000 lignes) apparaissent dans le panneau mais restent vides jusqu'à ce que vous les chargiez avec sql.hydrate("nom_table") ou les interrogiez via sql.query(...). Le chargement s'exécute en parallèle, donc le panneau est prêt en quelques secondes même avec de nombreuses tables.

Exécuter une requête

Cliquez sur une table dans le panneau pour insérer une cellule SELECT *, ou écrivez votre propre cellule SQL :

SELECT supplier_name, risk_score
FROM suppliers
WHERE country = 'DE'
ORDER BY risk_score DESC
LIMIT 100

Vous pouvez exécuter la même requête depuis une cellule Python et obtenir un DataFrame. sql.query(...) charge exactement les tables référencées par votre requête (via la lecture masquée gouvernée), donc elle fonctionne aussi sur les grandes tables que connect() n'a pas préchargées :

df = sql.query("""
    SELECT supplier_name, risk_score
    FROM suppliers
    WHERE country = 'DE'
    ORDER BY risk_score DESC
    LIMIT 100
""")

JOINs et agrégations

Le SQL sur plusieurs tables fonctionne de la même façon :

SELECT s.supplier_name,
       COUNT(o.id)    AS order_count,
       SUM(o.total)   AS revenue
FROM   suppliers s
JOIN   orders    o ON s.id = o.supplier_id
WHERE  o.placed_at >= '2025-01-01'
GROUP  BY s.supplier_name
ORDER  BY revenue DESC

Seules les tables référencées par votre requête sont chargées — les autres restent comme entrées dans le panneau jusqu'à ce que vous les interrogiez.

Colonnes masquées

Si votre rôle applique un masque sur une colonne, vous voyez la valeur de remplacement dans les résultats — le même comportement que tables.read() et l'aperçu de table Analytics. Un avis ponctuel liste les colonnes masquées lors du premier chargement d'une table.

Tables volumineuses

sql.connect() charge automatiquement les tables les plus petites ; les tables de plus de ~50 000 lignes apparaissent dans le panneau mais ne sont pas chargées, donc une cellule SQL native sur l'une d'elles retourne zéro ligne jusqu'à ce que vous la chargiez. Interrogez-la via sql.query(...) (qui ne charge que ce qu'elle référence) ou préchargez-la avec sql.hydrate("nom").

Pour les très grandes tables, sql.query() vous demande de confirmer avant de charger toutes les lignes :

# Confirmer le chargement d'une très grande table
df = sql.query("SELECT * FROM big_table", allow_large=True)

Vous pouvez également pré-charger une grande table dans la connexion pour qu'elle soit disponible dans les cellules SQL natives :

sql.hydrate("big_table", allow_large=True)

Actualiser le cache

Chaque table est chargée une fois par session. Si vous écrivez dans une table plus tôt dans le notebook puis l'interrogez, réexécutez la cellule de configuration ou appelez sql.refresh() pour obtenir les nouvelles lignes :

sql.refresh()              # réinitialiser la session entière — toutes les tables se rechargent à la prochaine requête
sql.refresh("suppliers")   # actualiser une seule table

Lecture seule

scrydon.sql est en lecture seule. INSERT, UPDATE, DELETE et CREATE TABLE AS génèrent une erreur qui vous indique la bonne alternative.

scrydon.sql rejette le SQL qui modifierait ou définirait des tables (INSERT, UPDATE, DELETE, CREATE TABLE AS, DROP). Il ne restreint pas les fonctions de lecture natives de DuckDB telles que read_csv() ou les lectures depuis des URL — celles-ci s'exécutent avec les capacités normales de votre notebook et restent soumises à la politique d'egress de l'espace de travail.

# Écrire des lignes dans une table gérée
tables.write("suppliers", df, mode="upsert")

# Publier une nouvelle table gérée depuis un DataFrame
tables.create("supplier_risk_scores", scores_df, classification="internal")

Référence rapide

Voir aussi

• Notebooks Marimo — vue d'ensemble complète du SDK incluant lectures, écritures et capacités de la plateforme.
• Tables gérées — comment les tables sont créées et gérées.
• Classification et masquage — les politiques de masquage appliquées aux résultats de vos requêtes.