Pandas vs SQL

Pandas 和 SQL 有很多相似之处，都是对二维表的数据进行查询、处理，都是数据分析中常用的工具。

对于只会 Pandas 或只会 SQL 的朋友，可以通过今天例子快速学会另一个。

数据查询
首先，读取数据

import pandas as pd
import numpy as np

tips = pd.read_csv('tips.csv')

1.1 查询列

1. 查询 total_bill和tip 两列

   tips[["total_bill", "tip"]]

用 SQL 实现：

select total_bill, tip
from tips;

1.2 增加列
查询结果中，新增一列tip_rate

tips['tip_rate'] = tips["tip"] / tips["total_bill"]

用 SQL 实现：

select *, tip/total_bill as tip_rate
from tips;

1.3 筛选条件
查询 time列等于Dinner并且tip列大于5的数据

tips[(tips["time"] == "Dinner") & (tips["tip"] > 5.00)]

用 SQL 实现：

select *
from tips
where time = 'Dinner' and tip > 5.00;

1. 分组聚合
   按照某列分组计数

   tips.groupby("sex").size()

   ''' sex Female 87 Male 157 dtype: int64 '''

用 SQL 实现：

select sex, count(*)
from tips
group by sex;

按照多列聚合多个值

tips.groupby(["smoker", "day"]).agg({"tip": [np.size, np.mean]})

用 SQL 实现：

select smoker, day, count(*), avg(tip)
from tips
group by smoker, day;

1. join
   构造两个临时DataFrame

   df1 = pd.DataFrame({"key": ["A", "B", "C", "D"], "value": np.random.randn(4)}) df2 = pd.DataFrame({"key": ["B", "D", "D", "E"], "value": np.random.randn(4)})

先用 Pandas 分别实现inner join、left join、right join和full join。

# inner join
pd.merge(df1, df2, on="key")

# left join
pd.merge(df1, df2, on="key", how="left")

# inner join
pd.merge(df1, df2, on="key", how="right")

# inner join
pd.merge(df1, df2, on="key", how="outer")

用 SQL 分别实现：

# inner join
select *
from df1 inner join df2
on df1.key = df2.key;

# left join
select *
from df1 left join df2
on df1.key = df2.key;

# right join
select *
from df1 right join df2
on df1.key = df2.key;

# full join
select *
from df1 full join df2
on df1.key = df2.key;

1. union
   将两个表纵向堆叠

pd.concat([df1, df2])
用 SQL 实现：

select *
from df1

union all

SELECT *
from df2;

将两个表纵向堆叠并去重

pd.concat([df1, df2]).drop_duplicates()
用 SQL 实现：

select *
from df1

union

SELECT *
from df2;

1. 开窗
   对tips中day列取值相同的记录按照total_bill排序。

   (tips.assign( rn=tips.sort_values(["total_bill"], ascending=False) .groupby(["day"]) .cumcount() + 1 ) .sort_values(["day", "rn"]) )

用 SQL 实现：

select
    *,
    row_number() over(partition by day order by total_bill desc) as rn
from tips t

day列取值相同的记录会被划分到同一个窗口内，并按照total_bill排序，窗口之间的数据互不影响，这类操作便被称为开窗。

今天的内容就到这里啦。通过几个简单的实践案例大家可以直观感受下 Pandas 和 SQL 在数据处理上的相似之处。

以上就是本次分享的所有内容，想要了解更多欢迎前往公众号：Python编程学习圈，每日干货分享