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,本页面旨在提供一些例子,说明如何使用pandas进行各种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 输出结果 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,选择是使用逗号分隔的列表来选择列(或用*来选择所有列)-
SELECT total_bill, tip, smoker, time
FROM tips
LIMIT 5;
在Pandas中,列的选择是通过向你的DataFrame传递一个列名列表来完成的–
tips[['total_bill', 'tip', 'smoker', 'time']].head(5)
让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)
其 输出结果 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;
数据框架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)
其 输出结果 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,并返回所有带有True的行。
分组
这个操作可以获取整个数据集中每组记录的数量。例如,通过查询获取按性别划分的小费数量:
SELECT sex, count(*)
FROM tips
GROUP BY sex;
相当于熊猫的是–
tips.groupby('sex').size()
让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()
其 输出结果 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 ;
相当于熊猫的是–
tips.head(5)
让我们检查一下完整的例子–
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 输出结果 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库的前几章学习过。