数据分析之Pandas VS SQL!

文章转载自公众号:数据管道

Abstract

  • Pandas是一个开源的Python数据分析库,结合 NumPy 和 Matplotlib 类库,可以在内存中进行高性能的数据清洗、转换、分析及可视化工作。
  • 对于数据开发工程师或分析师而言,SQL 语言是标准的数据查询工具。本文提供了一系列的示例,说明如何使用pandas执行各种SQL操作。

Pandas简介

Pandas把结构化数据分为了三类:

  • Series,可以理解为一个一维的数组,只是index可以自己改动。
  • DataFrame,一个类似于表格的数据类型的2维结构化数据。
  • Panel,3维的结构化数据。

Dataframe实例:

对于DataFrame,有一些固有属性:

SQL VS Pandas

SELECT(数据选择)

在SQL中,选择是使用逗号分隔的列列表(或*来选择所有列):

在Pandas中,选择不但可根据列名称选取,还可以根据列所在的位置选取。相关语法如下:

  • loc,基于列label,可选取特定行(根据行index)
  • iloc,基于行/列的位置
  • ix,为loc与iloc的混合体,既支持label也支持position
  • at,根据指定行index及列label,快速定位DataFrame的元素;
  • iat,与at类似,不同的是根据position来定位的;

WHERE(数据过滤)

在SQL中,过滤是通过WHERE子句完成的:

在pandas中,Dataframe可以通过多种方式进行过滤,最直观的是使用布尔索引:

在where子句中常常会搭配and, or, in, not关键词,Pandas中也有对应的实现:

SQL:

Pandas:

在where字句中搭配NOT NULL可以获得某个列不为空的项,Pandas中也有对应的实现:

SQL:

Pandas:

DISTINCT(数据去重)

SQL:

Pandas:

宝器带你画重点

  • subset,为选定的列做数据去重,默认为所有列;
  • keep,可选择{'first', 'last', False},保留重复元素中的第一个、最后一个,或全部删除;
  • inplace ,Pandas 中 inplace 参数在很多函数中都会有,它的作用是:是否在原对象基础上进行修改,默认为False,返回一个新的Dataframe;若为True,不创建新的对象,直接对原始对象进行修改。

GROUP BY(数据分组)

groupby()通常指的是这样一个过程:我们希望将数据集拆分为组,应用一些函数(通常是聚合),然后将这些组组合在一起:

常见的SQL操作是获取数据集中每个组中的记录数。

Pandas中对应的实现:

注意,在Pandas中,我们使用size()而不是count()。这是因为count()将函数应用于每个列,返回每个列中的非空记录的数量。具体如下:

还可以同时应用多个函数。例如,假设我们想要查看每个星期中每天的小费金额有什么不同。

SQL:

Pandas:

更多关于Groupy和数据透视表内容请阅读:

JOIN(数据合并)

  • 可以使用join()或merge()执行连接。
  • 默认情况下,join()将联接其索引上的DataFrames。
  • 每个方法都有参数,允许指定要执行的连接类型(LEFT, RIGHT, INNER, FULL)或要连接的列(列名或索引)

现在看一下不同的连接类型的SQL和Pandas实现:

  • INNER JOIN

SQL:

Pandas:

  • LEFT OUTER JOIN

SQL:

Pandas:

  • RIGHT JOIN

SQL:

Pandas:

  • FULL JOIN

SQL:

Pandas:

ORDER(数据排序)

SQL:

Pandas:

UPDATE(数据更新)

SQL:

Pandas:

DELETE(数据删除)

SQL:

Pandas:

总结:

本文从Pandas里面基本数据结构Dataframe的固定属性开始介绍,对比了做数据分析过程中的一些常用SQL语句的Pandas实现。

参考:https://mp.weixin.qq.com/s/E5LSszsKRxSa_fpJFqNABw

http://m.v.qq.com/play/play.htmlcoverid=&vid=q0836f6kewx&ptag=4_6.7.0.22106_qq

原文发布于微信公众号 - 挖数(washu66)

原文发表时间:2019-04-25

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券