Python Pandas 简明教程

Python Pandas - Comparison with SQL

由于许多潜在的 Pandas 用户对 SQL 有些熟悉,本页旨在提供有关如何在 pandas 中执行各种 SQL 操作的一些示例。

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 output 如下所示 −

    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,选择是使用一个逗号分隔的列表完成的,列出你选择的列(或一个 * 来选择所有列) −

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

使用 Pandas,列选择是通过将列名列表传递给 DataFrame 完成的 −

tips[['total_bill', 'tip', 'smoker', 'time']].head(5)

让我们检查完整程序 −

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 output 如下所示 −

   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

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

WHERE

在 SQL 中,筛选是通过 WHERE 子句完成的。

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

DataFrame 可以通过多种方式筛选;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 output 如下所示 −

   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

以上语句将一个 True/False 对象的 Series 传递给 DataFrame,返回所有带有 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,一个查询获取我们按性别留下的提示数量 −

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

Pandas 等效项是 −

tips.groupby('sex').size()

让我们检查完整程序 −

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 output 如下所示 −

sex
Female   87
Male    157
dtype: int64

Top N rows

SQL 返回 top n rows ,使用 LIMIT

SELECT * FROM tips
LIMIT 5 ;

Pandas 等效项是 −

tips.head(5)

我们来检查完整示例 −

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 output 如下所示 −

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

这些是我们比较的一些基本操作,这即是我们之前在 Pandas 库的章节所了解的内容。