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，所以本页面旨在提供使用pandas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 输出 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，使用逗号分隔的列列表进行选择（或使用*选择所有列）-

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

用Pandas，通过将列名列表传递给DataFrame来进行列选择-

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

让我们来查看完整的程序−

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)

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

不带列名列表调用DataFrame将显示所有列（类似于SQL的*）。

WHERE

在SQL中通过WHERE子句进行过滤。

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

DataFrames可以通过多种方式进行过滤；其中最直观的方法是使用布尔索引。

tips[tips['time'] == 'Dinner'].head(5)

让我们来查看完整的程序−

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)

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的True/False对象传递给DataFrame，返回所有为True的行。

GroupBy

这个操作在整个数据集中获取每个组中的记录数。例如，一个查询可以获取性别留下的小费数量。

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

等价于Pandas中的方法是：

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

让我们来检查完整的程序 –

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

前N行

SQL使用 LIMIT 返回前N行。

SELECT * FROM tips
LIMIT 5 ;

熊猫的等效方法如下：

tips.head(5)

让我们来看下完整示例-

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

这个 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库的前几章中学到并进行比较的基本操作。