在本指南中，我们将快速上手 chDB 的 Python 版本。
我们将先查询 S3 上的一个 JSON 文件，然后基于该 JSON 文件在 chDB 中创建一个表，并对其中的数据执行一些查询。
我们还会了解如何让查询以不同格式返回数据，包括 Apache Arrow 和 Pandas，最后学习如何查询 Pandas DataFrame。
先创建一个虚拟环境：
现在安装 chDB。
请确保使用的是 2.0.3 或更高版本：
现在我们来安装 ipython：
接下来我们将使用 ipython 运行本指南其余部分中的命令，你可以通过运行以下命令来启动它：
本指南还会用到 Pandas 和 Apache Arrow，因此也请一并安装这些库：
下面我们来看看如何查询存储在 S3 bucket 中的 JSON 文件。
YouTube dislikes 数据集包含截至 2021 年 YouTube 视频上超过 40 亿行的点踩数据。
我们将使用该数据集中的一个 JSON 文件。
导入 chdb：
我们可以使用以下查询来查看其中一个 JSON 文件的结构：
我们还可以统计该文件中的行数：
这个文件包含 30 多万条记录。
chdb 目前还不支持传入查询参数，但我们可以先提取出路径，再通过 f-String 传入。
对程序中定义的变量这样做没有问题，但不要对用户提供的输入这样做，否则你的查询就会存在 SQL 注入风险。
CSV，但我们可以通过 output_format 参数进行更改。
chDB 支持 ClickHouse 的数据格式，也支持一些自身的格式，其中包括 DataFrame，它会返回一个 Pandas DataFrame：
或者，如果要返回一个 Apache Arrow 表：
接下来，我们来看看如何在 chDB 中创建表。
为此需要使用另一个 API，因此先将其导入：
接下来，我们将初始化一个会话。
如果希望将该会话持久化到磁盘，需要提供一个目录名。
如果留空，database 将保存在内存中，并会在 Python 进程终止后立即丢失。
接下来，创建一个数据库：
现在我们可以根据 JSON 文件 中的 schema，使用 CREATE...EMPTY AS 方法创建一个 dislikes 表。
我们将使用 schema_inference_make_columns_nullable 设置，这样列类型就不会全部变为 Nullable。
然后，我们可以使用 DESCRIBE 子句来查看 schema：
接下来，向该表插入数据：
我们也可以用 CREATE...AS 的方式一步完成这两个步骤。
我们来用这种方式创建另一个表：
最后，来查询一下这张表：
假设接下来我们在 DataFrame 中再添加一列，用来计算 likes 与 dislikes 的比值。
我们可以编写如下代码：
然后，我们可以在 chDB 中查询该 DataFrame：
你也可以在查询 Pandas DataFrame 开发者指南中进一步了解如何查询 Pandas DataFrame。
希望本指南能帮助你对 chDB 有一个较好的整体了解。
如需进一步了解其使用方法，请参阅以下开发者指南：
