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。

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：

# SQL SELECT * FROM table_df # Pandas 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：

# 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()即可获得不同的值：

# 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，请使用 .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

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。

# 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. 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。

# 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. 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：

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

SELECT column_a WHERE column_b

如果要从表中选择某个列并筛选其他列，请按照以下格式操作：

# 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。

# 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。

# 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() 的等效项为 .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 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。

# 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。

# 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()。

# 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() 

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~