对于数据分析师而言， Pandas与 SQL可能是大家用的比较多的两个工具，两者都可以对数据集进行深度的分析，挖掘出有价值的信息，但是二者的语法有着诸多的不同，今天小编就来总结归纳一下 Pandas与 SQL这两者之间在语法上到底有哪些不同。
导入数据
对于 Pandas而言，我们需要提前导入数据集，然后再进行进一步的分析与挖掘
import pandas as pd
airports = pd.read_csv('data/airports.csv')
airport_freq = pd.read_csv('data/airport-frequencies.csv')
runways = pd.read_csv('data/runways.csv')
基础语法
在 SQL当中，我们用 SELECT来查找数据， WHERE来过滤数据， DISTINCT来去重， LIMIT来限制输出结果的数量，
输出数据集
## SQL
select * from airports
## Pandas
airports
输出数据集的前三行数据，代码如下
## SQL
select * from airports limit 3
## Pandas
airports.head(3)
对数据集进行过滤筛查
## SQL
select id from airports where ident = 'KLAX'
## Pandas
airports[airports.ident == 'KLAX'].id
对于筛选出来的数据进行去重
## SQL
select distinct type from airport
## Pandas
airports.type.unique()
多个条件交集来筛选数据
多个条件的交集来筛选数据，代码如下
## SQL
select * from airports
where iso_region = 'US-CA' and
type = 'seaplane_base'
## Pandas
airports[(airports.iso_region == 'US-CA') &
(airports.type == 'seaplane_base')]
或者是
## SQL
select ident, name, municipality from airports
where iso_region = 'US-CA' and
type = 'large_airport'
## Pandas
airports[(airports.iso_region == 'US-CA') &
(airports.type == 'large_airport')][['ident', 'name', 'municipality']]
排序
在 Pandas当中默认是对数据进行升序排序，要是我们希望对数据进行降序排序，需要设定 ascending参数
## SQL
select * from airport_freq
where airport_ident = 'KLAX'
order by type
## Pandas
airport_freq[airport_freq.airport_ident == 'KLAX']
.sort_values('type')
又或者是
## SQL
select * from airport_freq
where airport_ident = 'KLAX'
order by type desc
## Pandas
airport_freq[airport_freq.airport_ident == 'KLAX']
.sort_values('type', ascending=False)
筛选出列表当中的数据
要是我们需要筛选出来的数据在一个列表当中，这里就需要用到 isin()方法，代码如下
## SQL
select * from airports
where type in ('heliport', 'balloonport')
## Pandas
airports[airports.type.isin(['heliport', 'balloonport'])]
又或者是
## SQL
select * from airports
where type not in ('heliport', 'balloonport')
## Pandas
airports[~airports.type.isin(['heliport', 'balloonport'])]
删除数据
在 Pandas当中删除数据用的是 drop()方法，代码如下
## SQL
delete from dataframe where col_name = 'MISC'
## Pandas
df = df[df.type != 'MISC']
df.drop(df[df.type == 'MISC'].index)
更新数据
在 SQL当中更新数据使用的是 update和 set方法，代码如下
### SQL
update airports set home_link = '......'
where ident == 'KLAX'
### Pandas
airports.loc[airports['ident'] == 'KLAX', 'home_link'] = '......'
调用统计函数
对于给定的数据集，如下图所示
runways.head()
output
我们调用 min()、 max()、 mean()以及 median()函数作用于 length_ft这一列上面，代码如下
## SQL
select max(length_ft), min(length_ft),
avg(length_ft), median(length_ft) from runways
## Pandas
runways.agg({'length_ft': ['min', 'max', 'mean', 'median']})
合并两表格
在 Pandas当中合并表格用的是 pd.concat()方法，在 SQL当中则是 UNION ALL，代码如下
## SQL
select name, municipality from airports
where ident = 'KLAX'
union all
select name, municipality from airports
where ident = 'KLGB'
## Pandas
pd.concat([airports[airports.ident == 'KLAX'][['name', 'municipality']],
airports[airports.ident == 'KLGB'][['name', 'municipality']]])
分组
顾名思义也就是 groupby()方法，代码如下
## SQL
select iso_country, type, count(*) from airports
group by iso_country, type
order by iso_country, type
## Pandas
airports.groupby(['iso_country', 'type']).size()
分组之后再做筛选
在 Pandas当中是在进行了 groupby()之后调用 filter()方法，而在 SQL当中则是调用 HAVING方法，代码如下
## SQL
select type, count(*) from airports
where iso_country = 'US'
group by type
having count(*) > 1000
order by count(*) desc
## Pandas
airports[airports.iso_country == 'US']
.groupby('type')
.filter(lambda g: len(g) > 1000)
.groupby('type')
.size()
.sort_values(ascending=False)
TOP N records
代码如下
## SQL
select 列名 from 表名
order by size
desc limit 10
## Pandas
表名.nlargest(10, columns='列名')
在公众号后台回复【 20220317】获取源数据
NO. 1
往期推荐
Historical articles
分享、收藏、点赞、在看安排一下？
Original: https://blog.csdn.net/weixin_43373042/article/details/123564614
Author: 欣一2002
Title: 【干货原创】Pandas&SQL语法归纳总结，真的太全了
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/600756/
转载文章受原作者版权保护。转载请注明原作者出处！