Pandas | 28 与SQL比较

由于许多潜在的Pandas用户对SQL有一定的了解，因此本文章旨在提供一些如何使用Pandas执行各种SQL操作的示例。

 

文件：tips.csv -

total_bill,tip,sex,smoker,day,time,size0,16.99,1.01,Female,No,Sun,Dinner,21,10.34,1.66,Male,No,Sun,Dinner,32,21.01,3.50,Male,No,Sun,Dinner,33,23.68,3.31,Male,No,Sun,Dinner,24,24.59,3.61,Female,No,Sun,Dinner,4

 

import pandas as pdurl = 'tips.csv'tips=pd.read_csv(url)print (tips.head())

输出结果：

total_billtip sex smoker  daytime  size016.99  1.01  Female No  Sun  Dinner 2110.34  1.66Male No  Sun  Dinner 3221.01  3.50Male No  Sun  Dinner 3323.68  3.31Male No  Sun  Dinner 2424.59  3.61  Female No  Sun  Dinner 4

 

选择(Select)

在SQL中，选择是使用逗号分隔的列列表(或选择所有列)来完成的，例如 -

SELECT total_bill, tip, smoker, timeFROM tipsLIMIT 5;

在Pandas中，列的选择是通过传递列名到DataFrame -

tips[['total_bill', 'tip', 'smoker', 'time']].head(5)

完整的程序 -

import pandas as pdurl = 'tips.csv'tips=pd.read_csv(url)rs = tips[['total_bill', 'tip', 'smoker', 'time']].head(5)print(rs)

输出结果：

total_billtip smokertime016.99  1.01 No  Dinner110.34  1.66 No  Dinner221.01  3.50 No  Dinner323.68  3.31 No  Dinner424.59  3.61 No  Dinner

 

调用没有列名称列表的DataFrame将显示所有列(类似于SQL的*)。

WHERE条件

SELECT * FROM tips WHERE time = 'Dinner' LIMIT 5;

数据帧可以通过多种方式进行过滤; 最直观的是使用布尔索引。

tips[tips['time'] == 'Dinner'].head(5)

 

完整的程序

import pandas as pdurl = 'tips.csv'tips=pd.read_csv(url)rs = tips[tips['time'] == 'Dinner'].head(5)print(rs)

输出结果：

total_billtip sex smoker  daytime  size016.99  1.01  Female No  Sun  Dinner 2110.34  1.66Male No  Sun  Dinner 3221.01  3.50Male No  Sun  Dinner 3323.68  3.31Male No  Sun  Dinner 2424.59  3.61  Female No  Sun  Dinner 4

 

上述语句将一系列True/False对象传递给DataFrame，并将所有行返回True。

通过GroupBy分组

此操作将获取整个数据集中每个组的记录数。 例如，一个查询提取性别的数量(即，按性别分组) -

SELECT sex, count(*)FROM tipsGROUP BY sex;

在Pandas中的等值语句将是 -

tips.groupby('sex').size()

完整的程序

import pandas as pdurl = 'tips.csv'tips=pd.read_csv(url)rs = tips.groupby('sex').size()print(rs)

输出结果：

sexFemale2Male  3dtype: int64

 

前N行

SQL(MySQL数据库)使用LIMIT返回前n行 

SELECT * FROM tipsLIMIT 5 ;

 

在Pandas中的等值语句将是 

tips.head(5)

下面来看看完整的程序 

import pandas as pdurl = 'tips.csv'tips=pd.read_csv(url)rs = tips[['smoker', 'day', 'time']].head(5)print(rs)

输出结果：

  smoker  daytime0 No  Sun  Dinner1 No  Sun  Dinner2 No  Sun  Dinner3 No  Sun  Dinner4 No  Sun  Dinner

 

这些是比较的几个基本操作，在前几章的Pandas库中学到的。