sql题目pandas解法(02)：isin

经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas

前言

有不少小伙伴向我反映 pandas 专栏缺少练习题，因此这里我使用一套 sql 的题目，作为 pandas 专栏的课后练习题。本文大部分的解题过程尽可能使用 pandas 中最基础的入门操作完成，涉及的知识点基本在专栏中的前15节内容中有详尽讲解。

本文案例是一个关于学生科目考试成绩作为背景的数据，数据的准备过程上一篇已经有讲解，这里不多说，直接做题！

上一篇文章在这里

sql题目pandas解法(01)：筛选、all、any常用技巧

题目

与"赵雷"同学报读课程至少有一门相同的学生信息：

解读：

1. 行5：首先，找到"赵雷"的课程记录(df_wd.query(tg_query)[cols]) ，因为只有一行(.iloc[0]) ，看看哪些是缺考的(.isna())
2. 行6：同上的逻辑，只是这次的条件是其他的同学
3. 行8：用前2步的结果对比(tg_cond == other_cond) ，相当于知道每个同学的报考科目与"赵雷"一样有哪些，科目相同的是1，不同的是0，那么只需要数一下相同的(.sum(axis=1)) ，然后看结果是否多于一门即可(>=1)

这次，我们来详细对比一下 Sql 的实现：

• Sql 相对来说比较简单，但是不"简洁"，因为他的执行顺序是从内到外，一般不能一下子看出来其中的逻辑。下来大概说下他的执行顺序
• 行5,6：从成绩表(sc)查出"赵雷"的考试科目(cid)，为啥这里用 sid ？因为成绩表没有学生的名字！
• 行3,4：再次从成绩表(sc)找出与"赵雷"的科目(上一步结果)有一样的成绩记录出来。为啥最终结果包含了"赵雷"本身，因为这一步没有过滤"赵雷"的记录！
• 行1,2：结果需要大部分学生信息都在学生表(student)，因此从学生表找到上一步结果的那些学生出来。为啥最终结果没有学生成绩的信息？因为学生表就没有这些信息！
• 整个 Sql 的关键是 in 的使用
• 使用 CTE(表达式) 可以让 Sql 的逻辑更加清晰，但是每个数据库的支持程度不太一样
• 如果需求变成是，至少有2门一样的学生，那么以上思路完全不行了！

pandas 也能按这种思路完成：

• pandas 中的 isin 对应 Sql 的 in
• A列.isin(B列)，得到的结果是一个长度与A列一样的 bool值的列，每个 bool 值表示 A列对应的值是否在 B列存在

与"赵雷"同学报读课程完全相同的学生信息：

• 你会发现，这完全与之前的需求一样，只是上图红线处的判断数量的逻辑不一样而已

但是，如果我们使用之前的 Sql 思路，在这个需求上就完全不能使用，正确的 Sql 做法请看源码吧

没学过"张三"老师讲授的任一门课程的学生姓名:

• 行4：所有(all)课程教师都不是"张三"(df_wd[cols]!=tc)的

两门及其以上不及格课程的同学的学号，姓名及其平均成绩:

• 行3：少于60分的科目(df_wd[cols]<60)的数量(.sum(axis=1))多于或等于2门的(>=2)
• 行5：平均成绩(df_wd[cols].mean(axis=1))

检索"语文 "课程分数小于 60，按分数降序排列的学生信息:

• 行3：语文成绩小于60分(df_wd[cols]<60)
• 行5：按分数降序排列(.sort_values(cols,ascending=False))

按平均成绩从高到低显示所有学生的所有课程的成绩以及平均成绩:

• 行4：求出平均成绩
• 行5：有平均成绩的学生
• 行6：排序