Python数据分析入门日记Day10：数据分析库Pandas：实现数据库查询操作

Python数据分析入门日记Day10

——Pandas库:实现数据库查询操作

今天学习用数据分析库Pandas来实现SQL操作，SQL实际上就是结构化查询语言的缩写，在SQL中常见的操作有四种：增、删、改、查，这四项工作用Pandas也是可以实现的。首先，还是导入之前一直利用的数据集“职工信息.xlsx”。

1、增

顾名思义“增”的意思就是添加新的行或列。

（1）首先，用字典的方式创建两行新的职工信息，数据中包含两名新职工的姓名、性别、年龄、收入等信息。

（2）将新增的两名职工信息数据转化成数据框形式，赋值给data2：

（3）pd.concat()

Pandas库中的.concat()函数用来连接两个数据框，输入代码如下：

由输出结果（截取部分）看出，新增的两名职工信息已经被添加到原来的职工信息表的最后两行：

发现在Pandas中对两个Dataframe进行拼接，拼接过程中两个数据框中的变量会自动对齐。

（3）按列对两个数据框进行拼接

对原有数据框data新增一列考核分数“Score”变量。

2、删

“删”就对已有数据进行删除表、行或列的操作。

（1）通常用“del”来删除Python中的一些对象。比如，删除数据框data2，输入以下代码：

再去查看data2时，就会出现报错，说明data2已经被删除了。

（2）.drop():删除指定行

若想要删除数据中的第3行、第5行、第8行，利用.drop()函数，“（ ）”中输入所要删除行的索引值，输出结果如下：

发现索引值为2、4、7的数据信息所在行已经被删除完成了。

（3）利用布尔索引对数据信息进行删除

关于布尔索引，在近期的学习中总是碰到，如果想要删除数据中年龄“Age”50岁以下的员工信息，执行以下代码并查看结果，发现只剩下50岁以上的员工信息。

（4）删除指定列

想要对指定的列变量信息进行删除，依旧利用.drop()函数，在其参数中添加“axis=1”，旨在按列删除数据信息，并用.head()函数查看数据的前五行。加入需要删除收入“sr”和支出“zc”这两列信息。

3、改

“改”的作用就是修改原始数据的值，可以通过布尔索引或赋值的方法对原始数据进行修改。通过布尔索引对行标签进行提取，比如要修改员工“Ovaltine”的收入，输入以下代码：

运行并查看结果，发现Ovaltine的工资已经发生了改变：

4、查：数据查询

（1）聚合

Pandas库中通过.groupby()函数实现聚合，如果需要按职工性别分组对他们的年龄、收入等信息的均值进行计算。

可以看出，女性员工的平均年龄在43岁，平均收入在2882元，男性职工的平均年龄在47岁，平均收入在935元。

如果我们不需要分析年龄的平均值信息，在进行分组时，可以对年龄“Age”这一变量进行剔除，然后输出结果就会变成：

如果想要用年龄和性别分组，分析收入、支出等信息的均值，则通过以下操作实现：

按照输出结果，可以得到41岁的女性平均收入为824元，男性平均收入为845元等信息。

不研究年龄，研究性别对其他因素均值及中位数的影响差异，输入以下代码：

可以看出，性别差异对收入的均值的影响较大。男女职工的收入差异较为明显。

（2）排序

如果需要对数据根据某一变量进行重新排序，利用.sort_values()函数。首先，随机生成1~49中的10个数字，构成序列s。

利用.sort_values()函数对这10个数字进行重新排序，默认为升序，输出结果：

若需要对随机数进行降序排序，则在函数后增加“ascending=False”参数。

那么，在实际数据中，需要按照职工年龄对数据进行排序，做如下操作：

（3）多表连接

首先，创建一个职工考核分数表，并将其转化为数据框形式：

接下来，需要对这五名职工的分数和他们另外的信息进行关联，利用pd.merge()函数，后跟两个数据框名，on=“Name”旨在按职工姓名进行拼接。结果如下：

发现只有表data和表score中共有的职工才会被返回。另外，两个数据框的拼接有左连接和右连接，分别在pd.merge()函数后跟连接方式“how=left”或“how=right”。

当利用左连接时，职工的考核分数“Score”直接被接到了职工信息表的最后一列。返回的是所有职工的信息，分数表score中没有分数的员工也被返回了。

当进行右连接时，发现只有表data和表score中共有的职工才会被返回。

今天关于数据集分析库Pandas中数据库查询操作的学习笔记告一段落，个人认为在Python中利用Pandas库对数据进行增、删、改、查的操作比在Excel和数据库中输入函数或者敲一大段代码来得更简便和直观。

Python数据分析日记的内容过半，非常感谢大家的喜爱与支持，在剩下的日子里，我还是会努力努力再努力，交出更好的作业！如果您有什么好的意见和建议，欢迎交流指点哦，早安！

Ovaltine