介紹

SQL 的神奇之處在于其易于學(xué)習(xí)，而它之所以如此容易學(xué)習(xí)的原因主要是代碼語法非常直觀。

[[353102]]

 

但是，與SQL相比，Pandas 就不那么直觀了，尤其是在我們先用的是SQL，再轉(zhuǎn)向 Pandas 時，這種感覺尤為強烈。

那么，我們是不是應(yīng)該思考在 SQL 中進(jìn)行的數(shù)據(jù)操作，能不能在 Pandas 實現(xiàn)?

基于以上目標(biāo)，本文可以作為一個在Pandas中編寫SQL查詢的指南。

 

目錄

• 選擇行
• 組合表格
• 篩選表
• 排序值
• 聚合函數(shù)

1. 選擇行

SELECT * FROM

如果要選擇整個表，只需調(diào)用表的名稱：

# SQL 
SELECT * FROM table_df 
 
# Pandas 
table_df 

SELECT a, b FROM

如果要從表中選擇特定列，請在雙括號中列出要的列：

 

# SQL 
SELECT column_a, column_b FROM table_df 
 
# Pandas 
table_df[['column_a', 'column_b']] 

 

SELECT DISTINCT

只需使用 .drop\u duplicates()即可獲得不同的值：

 

# SQL 
SELECT DISTINCT column_a FROM table_df 
 
# Pandas 
table_df['column_a'].drop_duplicates() 

 

SELECT a as b

如果要重命名列，請使用 .rename()：

 

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

 

SELECT CASE WHEN

對于"SELECT CASE WHEN"的等效項，可以使用 np.select()， 其中首先指定每個選項的選擇和值。

 

# SQL 
SELECT CASE WHEN column_a > 30 THEN "Large" 
            WHEN column_a <= 30 THEN "Small" 
            END AS Size 
FROM table_df 
 
# Pandas 
conditions = [table_df['column_a']>30, table_df['column_b']<=30] 
choices = ['Large', 'Small'] 
table_df['Size'] = np.select(conditions, choices) 

2. 組合表格

INNER/LEFT/RIGHT JOIN

 

只需使用 .merge()來連接表，就可以使用“how”參數(shù)指定它是 LEFT、RIGHT、 INNER 或者 OUTER聯(lián)接。

 

# SQL 
SELECT * FROM table_1 t1 
         LEFT JOIN table_2 t1 on t1.lkey = t2.rkey  
 
# Pandas 
table_1.merge(table_2, left_on='lkey', right_on='rkey', how='left') 

 

UNION ALL

只需使用 pd.concat()：

 

# SQL 
SELECT * FROM table_1 
UNION ALL 
SELECT * FROM table_2 
 
# Pandas 
final_table = pd.concat([table_1, table_2])  

3. 篩選表

SELECT WHERE

在篩選數(shù)據(jù)幀時，與在 SQL 中使用 WHERE 子句的方式相同時，只需在方括號中定義條件：

 

# SQL 
SELECT * FROM table_df WHERE column_a = 1 
 
# Pandas 
table_df[table_df['column_a'] == 1] 

 

SELECT column_a WHERE column_b

如果要從表中選擇某個列并篩選其他列，請按照以下格式操作：

 

# SQL 
SELECT column_a FROM table_df WHERE column_b = 1 
 
# Pandas 
table_df[table_df['column_b']==1]['column_a'] 

 

SELECT WHERE AND

如果要按多個條件進(jìn)行篩選，只需將每個條件換在括號中，并使用"&"分隔每個條件。

 

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

 

SELECT WHERE LIKE

SQL 中的 LIKE 等效項是 .str.contains()。如果要應(yīng)用大小寫不敏感，只需在參數(shù)中添加 case=False。

 

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

 

SELECT WHERE column IN()

SQL 中 IN() 的等效項為 .isin()。

 

# SQL 
SELECT * FROM table_df WHERE column_a IN('Canada', 'USA') 
 
# Pandas 
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' 參數(shù)指定是按升序還是降序?qū)χ蹬判?，默認(rèn)值與 SQL 一樣升序。

 

# SQL 
SELECT * FROM table_df ORDER BY column_a DESC 
 
# Pandas 
table_df.sort_values('column_a', ascending=False) 

 

ORDER BY multiple columns

如果要按多個列排序，可以列出括號中的列，并在括號中的 “ascending” 參數(shù)中指定排序方向。請確保遵循列出的列的相應(yīng)順序。

# SQL 
SELECT * FROM table_df ORDER BY column_a DESC, column_b ASC 
 
# Pandas 
table_df.sort_values(['column_a', 'column_b'], ascending=[False, True]) 

5.聚合函數(shù)

COUNT DISTINCT

聚合函數(shù)有一個通用模式。

要復(fù)制 COUNT DISTINCT，只需使用 .groupby()和.nunique()。

 

# SQL 
SELECT column_a, COUNT DISTINCT(ID)  
FROM table_df 
GROUP BY column_a 
 
# Pandas 
table_df.groupby('column_a')['ID'].nunique() 

 

SUM

 

# SQL 
SELECT column_a, SUM(revenue)  
FROM table_df 
GROUP BY column_a  
 
# Pandas 
table_df.groupby(['column_a', 'revenue']).sum() 

 

AVG

 

# SQL 
SELECT column_a, AVG(revenue)  
FROM table_df 
GROUP BY column_a 
 
# Pandas 
table_df.groupby('column_a')['revenue'].mean() 

 

總結(jié)

Pandas無疑是一個強大的Python數(shù)據(jù)分析庫，但是它也不是無所不能，對于某些操作并不具體和方便。

以上的操作可以幫助大家更好地在Pandas中實現(xiàn)一些SQL查詢的實用操作，大家趕緊玩起來~