在使用Pandas之前，大多數(shù)數(shù)據(jù)分析師已經(jīng)掌握了Excel和SQL，并且在剛上手Pandas時(shí)會(huì)經(jīng)常習(xí)慣性想到“老辦法”。"如果誰(shuí)能把常用的數(shù)據(jù)查詢(xún)語(yǔ)法做個(gè)對(duì)比就好了 "，我也曾不止一次地想享受前人的成果，無(wú)奈發(fā)現(xiàn)網(wǎng)上的文章側(cè)重不同且深淺不一，還涉及到一些Pandas新老版本的問(wèn)題，于是決定自己動(dòng)手。

一、舉例的數(shù)據(jù)

假設(shè)我有個(gè)六列的dataframe：一列是銷(xiāo)售員，一列是所屬團(tuán)隊(duì)，其它四列分別是四個(gè)季度的銷(xiāo)售額。

1. 新增列-基于原有列的全年銷(xiāo)售額

首先df['Total ']確保了你在該df內(nèi)新增了一個(gè)column，然后累加便可。

df['Total']  = df['Q1']+df['Q2']+df['Q3']+df['Q4'] 

你可能想使用諸如sum()的函數(shù)進(jìn)行這步，很可惜，sum()方法只能對(duì)列進(jìn)行求和，幸好它可以幫我們求出某季度的總銷(xiāo)售額。df['Q1'].sum()，你就能得到一個(gè)Q1的總銷(xiāo)售額，除此之外，其他的聚合函數(shù)，max,min,mean都是可行的。

2. 分組統(tǒng)計(jì) - 團(tuán)隊(duì)競(jìng)賽

那么按團(tuán)隊(duì)進(jìn)行統(tǒng)計(jì)呢?在mysql里是group by，Pandas里也不例外，你只需要df.groupby('Team').sum()就能看到期望的答案了。

3. 排序 - 誰(shuí)是銷(xiāo)售冠軍

如果你關(guān)心誰(shuí)的全年銷(xiāo)售額最多，那么就要求助于sort_values方法了，在excel內(nèi)是右鍵篩選，SQL內(nèi)是一個(gè)orderby。默認(rèn)是順序排列的，所以要人為設(shè)定為False，如果你只想看***名，只需要在該語(yǔ)句末尾添加.head(1) 。

4. 切片-只給我看我關(guān)心的行

接下來(lái)就是涉及一些條件值的問(wèn)題，例如我只關(guān)心Team為A的數(shù)據(jù)，在Excel里是篩選框操作，在SQL里寫(xiě)個(gè)where就能搞定，在Pandas里需要做切片。

查看Pandas文檔時(shí)，你可能已經(jīng)見(jiàn)過(guò)各種切片的函數(shù)了，有l(wèi)oc,iloc,ix,iy，這里不會(huì)像教科書(shū)一樣所有都講一通讓讀者搞混。這種根據(jù)列值選取行數(shù)據(jù)的查詢(xún)操作，推薦使用loc方法。

df.loc[df['Team']== 'A',['Salesman', 'Team','Year']]，這里用SQL語(yǔ)法理解更方便，loc內(nèi)部逗號(hào)前面可以理解為where，逗號(hào)后可以理解為select的字段。

如果想全選出，那么只需將逗號(hào)連帶后面的東西刪除作為缺省，即可達(dá)到select *的效果。

5. 切片 - 多條件篩選

在Pandas中多條件切片的寫(xiě)法會(huì)有些繁瑣，df.loc[ (df['Team']== 'A' ) & (df['Total'] > 15000 ) ]，添加括號(hào)與條件符。

這里有一個(gè)有意思的小應(yīng)用，如果你想給符合某些條件的員工打上優(yōu)秀的標(biāo)簽，你就可以結(jié)合上述新增列和切片兩點(diǎn)，進(jìn)行條件賦值操作。

df.loc[ (df['Team']== 'A' ) & (df['Total'] > 15000 ) , 'Tag']  = 'Good' 

6. 刪除列 - 和查詢(xún)無(wú)關(guān)，但是很有用

當(dāng)然這里只是個(gè)舉例，這時(shí)候我想刪除Tag列，可以del df['Tag']，又回到了之前。

二、連接

接下來(lái)要講join了，現(xiàn)在有每小時(shí)銷(xiāo)售員的職位對(duì)應(yīng)表pos，分為Junior和Senior，要將他們按對(duì)應(yīng)關(guān)系查到df中。

這里需要認(rèn)識(shí)一下新朋友，merge方法，將兩張表作為前兩個(gè)輸入，再定義連接方式和對(duì)應(yīng)鍵。對(duì)應(yīng)到Excel中是Vlookup，SQL中就是join。在pandas里的連接十分簡(jiǎn)單。

df =  pd.merge(df, pos, how='inner', on='Salesman') 

注意，這個(gè)時(shí)候其實(shí)我們是得到了新的df，如果不想覆蓋掉原有的df，你可以在等號(hào)左邊對(duì)結(jié)果重新命名。

這時(shí)候有了兩組標(biāo)簽列(對(duì)應(yīng)數(shù)值列)，就可以進(jìn)行多重groupby了。

當(dāng)然這樣的結(jié)果并不能公平地反應(yīng)出哪一組更好，因?yàn)槊拷M的組員人數(shù)不同，可能有平均數(shù)的參與會(huì)顯得更合理，并且我們只想依據(jù)全年綜合來(lái)評(píng)價(jià)。

這里的數(shù)據(jù)是捏造的，不過(guò)也一目了然了。

三、合并操作

***以最簡(jiǎn)單的一個(gè)合并操作收尾。

如果我又有一批數(shù)據(jù)df2，需要將兩部分?jǐn)?shù)據(jù)合并。只需要使用concat方法，然后傳一個(gè)列表作為參數(shù)即可。不過(guò)前提是必須要保證他們具有相同類(lèi)型的列，即使他們結(jié)構(gòu)可能不同(df2的Team列在末尾，也不會(huì)影響concat結(jié)果，因?yàn)閜andas具有自動(dòng)對(duì)齊的功能)。

pd.concat([df,df2]) 

四、尾聲

以上就是一些基礎(chǔ)的Pandas數(shù)據(jù)查詢(xún)操作了。作為Pandas初學(xué)者，如果能善用類(lèi)比遷移的方法進(jìn)行學(xué)習(xí)并進(jìn)行總結(jié)是大有裨益的。如果看完本文還沒(méi)有能了解到你關(guān)心的查詢(xún)方法，可以留言聯(lián)系，或許還可以有續(xù)集。

【本文是51CTO專(zhuān)欄機(jī)構(gòu)“豈安科技”的原創(chuàng)文章，轉(zhuǎn)載請(qǐng)通過(guò)微信公眾號(hào)(bigsec)聯(lián)系原作者】

戳這里，看該作者更多好文