|
|
|
Pandas执行SQL操作 |
21 次浏览 |
|
|
|
|
我们知道，使用 SQL 语句能够完成对 table 的增删改查操作，Pandas 同样也可以实现 SQL 语句的基本功能。本节主要讲解 Pandas 如何执行 SQL 操作。
首先加载一个某连锁咖啡厅地址分布的数据集，通过该数据集对本节内容进行讲解。
1.import pandas as pd
2.url = 'C:/Users/Administrator/Desktop/coffee/kafei.xlsx'
3.coffee_df=pd.read_excel(url)
4.coffee_df.head() |
输出结果如下：
address category id tel
0 北京市东城区南竹竿胡同2号1幢2层30212号银河SOHOC座 娱乐休闲:咖啡厅 1874263549184796345 010-85179080
1 北京市东城区东直门内大街277-31号档口 娱乐休闲:咖啡厅 1461638360847848424 400-669-2002
2 北京市东城区王府井东街8号澳门中心L117商场102室 娱乐休闲:咖啡厅 1308505235389562852 400-010-0100
3 北京市东城区前门大街108号底商 娱乐休闲:咖啡厅 15442844740539053384
4 北京市东城区和平里西街51号雍和宫壹中心A座负一层 娱乐休闲:咖啡厅 2357391864111641256 4000100100 |
SELECT
在 SQL 中，SELECT 查询语句使用 , 把要查询的每个字段分开，当然您也可以使用 * 来选择所有的字段。如下所示：
SELECT address, category, id, tel FROM tips LIMIT 5; |
对于 Pandas 而言，要完成 SELECT 查询，需要把数据集每一列（columns）的名称传递给 DataFrame 对象。如下所示：
coffee_df[['address','category','id','tel']].head() |
下面代码是 Pandas 执行 SELECT 查询的完整程序：
1.import pandas as pd
2. url = 'C:/Users/Administrator/Desktop/coffee/kafei.xlsx'
3. coffee_df=pd.read_excel(url)
4.
5. coffee_df[['address', 'category', 'id', 'tel']].tail(3) |
输出结果如下：
address category id tel
28912 新疆维吾尔自治区北屯市芳园路69-2-12 娱乐休闲:咖啡厅 7443833746160692626
28913 新疆维吾尔自治区北屯市北屯购物公园7-1-7 娱乐休闲:咖啡厅 15288143245642241877
28914 新疆维吾尔自治区可克达拉市人民西路与育才路交叉口西北50米 娱乐休闲:咖啡厅 17884214706482955 |
WHERE
SQL 中的条件查询是通过 WHERE 子句完成的。格式如下所示：
SELECT * FROM coffee_df WHERE tel = '010-85179080'; |
然而 DataFrame 可以通过多种方式实现条件筛选，最直观的方法是通过布尔索引：
coffee_df[coffee_df['id'] == '1461638360847848424'] |
完整程序如下：
1.import pandas as pd
2. url = 'C:/Users/Administrator/Desktop/coffee/kafei.xlsx'
3. coffee_df=pd.read_excel(url)
4. coffee_df[coffee_df['tel'] == '400-010-0100'].head(5) |
输出结果如下：
address category id tel
2 北京市东城区王府井东街8号澳门中心L117商场102室 娱乐休闲:咖啡厅 1308505235389562852 400-010-0100
5 北京市东城区崇文门外大街3号崇文新世界百货一期南门一层 娱乐休闲:咖啡厅 3294587167648650139 400-010-0100
6 北京市东城区东四北大街265号文化金融大厦1层大堂 娱乐休闲:咖啡厅 3046481700882245722 400-010-0100
7 北京市东城区珠市口东大街2号丰泰中心1层 娱乐休闲:咖啡厅 3218554253235914037 400-010-0100
9 北京市东城区怡生健身居然大厦店休闲区 娱乐休闲:咖啡厅 3141197020974020427 400-010-0100 |
上面的语句通过布尔运算将 True 或 False 对象传递给 DataFrame 对象，然后返回所有为 True 的行。
GroupBy
在 SQL 语句中，通过 GroupBy 操作可以获取 table 中一组记录的计数。示例如下：
SELECT id, count(*) FROM tips GROUP BY id; |
而 Pandas 可通过以下代码实现：
coffe_df.groupby('id').size() |
完整的程序如下所示：
1.import pandas as pd
2. url = 'C:/Users/Administrator/Desktop/coffee/kafei.xlsx'
3. coffee_df=pd.read_excel(url)
4. print(coffee_df.groupby('id').size()) |
输出结果：
id
938817537566269 1
1343221331916894 1
2068013370184103 1
2147497429057385 1
4021181356852391 1
..
18443951046631684378 1
18444337559943971606 1
18444494959108924300 1
18445005868173060838 1
18446259420330511125 1
Length: 23240, dtype: int64 |
LIMIT
在 SQL 中，LIMIT 语句主要起到限制作用，比如查询前 n 行记录：
SELECT * FROM coffee_df LIMIT n; |
而在 Pandas 中，您可以通过 head() 来实现（默认前 5 行），示例如下：
1.import pandas as pd
2. url = 'C:/Users/Administrator/Desktop/coffee/kafei.xlsx'
3. coffee_df=pd.read_excel(url)
4. coffee_df[['address', 'tel']].head(3) |
输出结果：
address tel
0 北京市东城区南竹竿胡同2号1幢2层30212号银河SOHOC座 010-85179080
1 北京市东城区东直门内大街277-31号档口 400-669-2002
2 北京市东城区王府井东街8号澳门中心L117商场102室 400-010-0100 |
本节主要通过对比的方式对 SQL 和 Pandas 做了简单讲解，希望对您有所帮助。 |
21 次浏览 |
|
|
|
|
|
