Pandas - 与 SQL 的比较

  • 简述

    由于许多潜在的 Pandas 用户对 SQL 有一定的了解,因此本页旨在提供一些示例,说明如何使用 pandas 执行各种 SQL 操作。
    
    import pandas as pd
    url = 'https://raw.github.com/pandasdev/
    pandas/master/pandas/tests/data/tips.csv'
    tips=pd.read_csv(url)
    print tips.head()
    
    它的输出如下 -
    
        total_bill   tip      sex  smoker  day     time  size
    0        16.99  1.01   Female      No  Sun  Dinner      2
    1        10.34  1.66     Male      No  Sun  Dinner      3
    2        21.01  3.50     Male      No  Sun  Dinner      3
    3        23.68  3.31     Male      No  Sun  Dinner      2
    4        24.59  3.61   Female      No  Sun  Dinner      4
    
  • select

    在 SQL 中,选择是使用您选择的以逗号分隔的列列表完成的(或 * 选择所有列) -
    
    SELECT total_bill, tip, smoker, time
    FROM tips
    LIMIT 5;
    
    使用 Pandas,通过将列名列表传递给 DataFrame 来完成列选择 -
    
    tips[['total_bill', 'tip', 'smoker', 'time']].head(5)
    
    让我们检查完整的程序 -
    
    import pandas as pd
    url = 'https://raw.github.com/pandasdev/
    pandas/master/pandas/tests/data/tips.csv'
     
    tips=pd.read_csv(url)
    print tips[['total_bill', 'tip', 'smoker', 'time']].head(5)
    
    它的输出如下 -
    
       total_bill   tip  smoker     time
    0       16.99  1.01      No   Dinner
    1       10.34  1.66      No   Dinner
    2       21.01  3.50      No   Dinner
    3       23.68  3.31      No   Dinner
    4       24.59  3.61      No   Dinner
    
    在没有列名列表的情况下调用 DataFrame 将显示所有列(类似于 SQL 的 *)。
  • where

    SQL 中的过滤是通过 WHERE 子句完成的。
    
      SELECT * FROM tips WHERE time = 'Dinner' LIMIT 5;
    
    DataFrames 可以通过多种方式过滤;其中最直观的是使用布尔索引。
    
      tips[tips['time'] == 'Dinner'].head(5)
    
    让我们检查完整的程序 -
    
    import pandas as pd
    url = 'https://raw.github.com/pandasdev/
    pandas/master/pandas/tests/data/tips.csv'
    tips=pd.read_csv(url)
    print tips[tips['time'] == 'Dinner'].head(5)
    
    它的输出如下 -
    
       total_bill   tip      sex  smoker  day    time  size
    0       16.99  1.01   Female     No   Sun  Dinner    2
    1       10.34  1.66     Male     No   Sun  Dinner    3
    2       21.01  3.50     Male     No   Sun  Dinner    3
    3       23.68  3.31     Male     No   Sun  Dinner    2
    4       24.59  3.61   Female     No   Sun  Dinner    4
    
    上面的语句将一系列 True/False 对象传递给 DataFrame,返回所有为 True 的行。
  • group by

    此操作获取整个数据集中每个组中的记录计数。例如,一个查询为我们获取性别留下的提示数量 -
    
    SELECT sex, count(*)
    FROM tips
    GROUP BY sex;
    
    熊猫等价物是 -
    
    tips.groupby('sex').size()
    
    让我们检查完整的程序 -
    
    import pandas as pd
    url = 'https://raw.github.com/pandasdev/
    pandas/master/pandas/tests/data/tips.csv'
    tips=pd.read_csv(url)
    print tips.groupby('sex').size()
    
    它的输出如下 -
    
    sex
    Female   87
    Male    157
    dtype: int64
    
  • top n

    SQL 返回top n rows使用LIMIT
    
    SELECT * FROM tips
    LIMIT 5 ;
    
    熊猫等价物是 -
    
    tips.head(5)
    
    让我们检查一下完整的例子 -
    
    import pandas as pd
    url = 'https://raw.github.com/pandas-dev/pandas/master/pandas/tests/data/tips.csv'
    tips=pd.read_csv(url)
    tips = tips[['smoker', 'day', 'time']].head(5)
    print tips
    
    它的输出如下 -
    
       smoker   day     time
    0      No   Sun   Dinner
    1      No   Sun   Dinner
    2      No   Sun   Dinner
    3      No   Sun   Dinner
    4      No   Sun   Dinner
    
    这些是我们比较的几个基本操作,我们在 Pandas 库的前几章中学到了这些操作。