如何在Pandas中实现类似于SQL查询的数据操作?

数据库 SQL Server
SQL 的神奇之处在于其易于学习,而它之所以如此容易学习的原因主要是代码语法非常直观。

 介绍

SQL 的神奇之处在于其易于学习,而它之所以如此容易学习的原因主要是代码语法非常直观。

[[353102]]

 

但是,与SQL相比,Pandas 就不那么直观了,尤其是在我们先用的是SQL,再转向 Pandas 时,这种感觉尤为强烈。

那么,我们是不是应该思考在 SQL 中进行的数据操作,能不能在 Pandas 实现?

基于以上目标,本文可以作为一个在Pandas中编写SQL查询的指南。

 

目录

  • 选择行
  • 组合表格
  • 筛选表
  • 排序值
  • 聚合函数

1. 选择行

SELECT * FROM

如果要选择整个表,只需调用表的名称:

  1. # SQL 
  2. SELECT * FROM table_df 
  3.  
  4. # Pandas 
  5. table_df 

SELECT a, b FROM

如果要从表中选择特定列,请在双括号中列出要的列:

 

  1. # SQL 
  2. SELECT column_a, column_b FROM table_df 
  3.  
  4. # Pandas 
  5. table_df[['column_a''column_b']] 

 

SELECT DISTINCT

只需使用 .drop\u duplicates()即可获得不同的值:

 

  1. # SQL 
  2. SELECT DISTINCT column_a FROM table_df 
  3.  
  4. # Pandas 
  5. table_df['column_a'].drop_duplicates() 

 

SELECT a as b

如果要重命名列,请使用 .rename():

 

  1. # SQL 
  2. SELECT column_a as Apple, column_b as Banana FROM table_df 
  3.  
  4. # Pandas 
  5. table_df[['column_a''column_b']].rename(columns={'column_a'
  6. 'Apple''column_b':'Banana'}) 

 

SELECT CASE WHEN

对于"SELECT CASE WHEN"的等效项,可以使用 np.select(), 其中首先指定每个选项的选择和值。

 

  1. # SQL 
  2. SELECT CASE WHEN column_a > 30 THEN "Large" 
  3.             WHEN column_a <= 30 THEN "Small" 
  4.             END AS Size 
  5. FROM table_df 
  6.  
  7. # Pandas 
  8. conditions = [table_df['column_a']>30, table_df['column_b']<=30] 
  9. choices = ['Large''Small'
  10. table_df['Size'] = np.select(conditions, choices) 

2. 组合表格

INNER/LEFT/RIGHT JOIN

 

只需使用 .merge()来连接表,就可以使用“how”参数指定它是 LEFT、RIGHT、 INNER 或者 OUTER联接。

 

  1. # SQL 
  2. SELECT * FROM table_1 t1 
  3.          LEFT JOIN table_2 t1 on t1.lkey = t2.rkey  
  4.  
  5. # Pandas 
  6. table_1.merge(table_2, left_on='lkey', right_on='rkey', how='left'

 

UNION ALL

只需使用 pd.concat():

 

  1. # SQL 
  2. SELECT * FROM table_1 
  3. UNION ALL 
  4. SELECT * FROM table_2 
  5.  
  6. # Pandas 
  7. final_table = pd.concat([table_1, table_2])  

3. 筛选表

SELECT WHERE

在筛选数据帧时,与在 SQL 中使用 WHERE 子句的方式相同时,只需在方括号中定义条件:

 

  1. # SQL 
  2. SELECT * FROM table_df WHERE column_a = 1 
  3.  
  4. # Pandas 
  5. table_df[table_df['column_a'] == 1] 

 

SELECT column_a WHERE column_b

如果要从表中选择某个列并筛选其他列,请按照以下格式操作:

 

  1. # SQL 
  2. SELECT column_a FROM table_df WHERE column_b = 1 
  3.  
  4. # Pandas 
  5. table_df[table_df['column_b']==1]['column_a'

 

SELECT WHERE AND

如果要按多个条件进行筛选,只需将每个条件换在括号中,并使用"&"分隔每个条件。

 

  1. # SQL 
  2. SELECT * FROM table_df WHERE column_a = 1 AND column_b = 2 
  3.  
  4. # Pandas 
  5. table_df[(table_df['column_a']==1) & (table_df['column_b']==2)] 

 

SELECT WHERE LIKE

SQL 中的 LIKE 等效项是 .str.contains()。如果要应用大小写不敏感,只需在参数中添加 case=False。

 

  1. # SQL 
  2. SELECT * FROM table_df WHERE column_a LIKE '%ball%' 
  3.  
  4. # Pandas 
  5. table_df[table_df['column_a'].str.contains('ball')] 

 

SELECT WHERE column IN()

SQL 中 IN() 的等效项为 .isin()。

 

  1. # SQL 
  2. SELECT * FROM table_df WHERE column_a IN('Canada''USA'
  3.  
  4. # Pandas 
  5. table_df[table_df['column_a'].isin(['Canada''USA'])] 

 

4.排序值

ORDER BY one column

在SQL中,ORDER BY 的等同于 .sort_values()。使用 'ascending' 参数指定是按升序还是降序对值排序,默认值与 SQL 一样升序。

 

  1. # SQL 
  2. SELECT * FROM table_df ORDER BY column_a DESC 
  3.  
  4. # Pandas 
  5. table_df.sort_values('column_a', ascending=False

 

ORDER BY multiple columns

如果要按多个列排序,可以列出括号中的列,并在括号中的 “ascending” 参数中指定排序方向。请确保遵循列出的列的相应顺序。

  1. # SQL 
  2. SELECT * FROM table_df ORDER BY column_a DESC, column_b ASC 
  3.  
  4. # Pandas 
  5. table_df.sort_values(['column_a''column_b'], ascending=[FalseTrue]) 

5.聚合函数

COUNT DISTINCT

聚合函数有一个通用模式。

要复制 COUNT DISTINCT,只需使用 .groupby()和.nunique()。

 

  1. # SQL 
  2. SELECT column_a, COUNT DISTINCT(ID)  
  3. FROM table_df 
  4. GROUP BY column_a 
  5.  
  6. # Pandas 
  7. table_df.groupby('column_a')['ID'].nunique() 

 

SUM

 

  1. # SQL 
  2. SELECT column_a, SUM(revenue)  
  3. FROM table_df 
  4. GROUP BY column_a  
  5.  
  6. # Pandas 
  7. table_df.groupby(['column_a''revenue']).sum() 

 

AVG

 

  1. # SQL 
  2. SELECT column_a, AVG(revenue)  
  3. FROM table_df 
  4. GROUP BY column_a 
  5.  
  6. # Pandas 
  7. table_df.groupby('column_a')['revenue'].mean() 

 

总结

Pandas无疑是一个强大的Python数据分析库,但是它也不是无所不能,对于某些操作并不具体和方便。

以上的操作可以帮助大家更好地在Pandas中实现一些SQL查询的实用操作,大家赶紧玩起来~

责任编辑:华轩 来源: 今日头条
相关推荐

2017-09-01 15:42:00

MySQLOracledblink功能

2010-01-27 10:09:14

2020-08-17 14:56:02

PythonSQL

2012-05-22 09:21:10

数据中心PUEFacebook数据中

2012-05-21 14:36:18

Facebook开源

2018-12-25 16:30:15

SQL Server高效分页数据库

2015-03-10 14:41:56

AppStudio

2023-10-29 15:14:22

人工智能鸽子

2021-04-09 23:00:12

SQL数据库Pandas

2021-06-10 14:14:50

Windows命名微软

2021-06-08 09:18:54

SQLPandas数据透视表

2021-08-12 08:00:00

Pandas数据分析SQL

2015-01-21 15:50:55

Android源码全国城市列表

2022-07-12 07:33:47

ES类似连表查询

2024-02-20 09:54:20

MySQL数据库

2010-02-03 09:15:09

Linux XDMCP

2021-03-10 09:12:22

SysMonTaskWindowsLinux

2022-06-22 09:56:19

PythonMySQL数据库

2011-03-11 13:26:23

SQL Server数导入数据

2020-06-02 14:08:55

Python的数据操作
点赞
收藏

51CTO技术栈公众号