Python Pandas - 与 SQL 的比较

---

由于许多潜在的 Pandas 用户对 SQL 有一定的熟悉，本页面旨在提供一些示例，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()

其输出如下 -

    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

选择

在 SQL 中，选择是使用您选择的以逗号分隔的列列表完成的（或使用 * 选择所有列） -

SELECT total_bill, tip, smoker, time
FROM tips
LIMIT 5;

使用 Pandas，列选择是通过将列名称列表传递到 DataFrame 来完成的 -

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)

其输出如下 -

   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

调用不带列名列表的 DataFrame 将显示所有列（类似于 SQL 的 *）。

在哪里

SQL 中的过滤是通过 WHERE 子句完成的。

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

DataFrames 可以通过多种方式进行过滤；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)

其输出如下 -

   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 True 的行。

通过...分组

此操作获取整个数据集中每个组中的记录数。例如，一个查询为我们获取性别留下的小费数量 -

SELECT sex, count(*)
FROM tips
GROUP BY sex;

Pandas 的等价物是 -

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()

其输出如下 -

sex
Female   87
Male    157
dtype: int64

前 N 行

SQL使用LIMIT返回前 n 行-

SELECT * FROM tips
LIMIT 5 ;

Pandas 的等价物是 -

tips.head(5)

让我们看一下完整的例子 -

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

其输出如下 -

   smoker   day     time
0      No   Sun   Dinner
1      No   Sun   Dinner
2      No   Sun   Dinner
3      No   Sun   Dinner
4      No   Sun   Dinner

这些是我们在 Pandas 库的前几章中学到的比较的几个基本操作。