Python Pandas 与 SQL 的比较
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()
Its output 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,选择是使用你选择的列的逗号分隔列表完成的(或 * 以选择所有列):
SELECT total_bill, tip, smoker, time FROM tips LIMIT 5;
在 Pandas 中,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)
我们来看看完整的程序:
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)
Its output 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)
我们来看看完整的程序:
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)
Its output 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。
GroupBy
此操作获取整个数据集中每个组中的记录计数。例如,一个查询获取我们留下的性别提示数:
SELECT sex, count(*) FROM tips GROUP BY sex;
Pandas 的等价物是:
tips.groupby('sex').size()
我们来看看完整的程序:
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()
Its output 如下:
sex Female 87 Male 157 dtype: int64
前 N 行
SQL 返回 前 n 行 using LIMIT :
SELECT * FROM tips LIMIT 5 ;
Pandas 的等价物是:
tips.head(5)
我们来看看完整的例子:
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
Its output 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。