微信公众号读芯术中的python_Pandas闪回咒！如何在Python中重写SQL查询？

工作中&＃xff0c;频繁切换是件麻烦事儿。一些程序员只熟悉SQL中的数据操作&＃xff0c;却不熟悉Python中的数据操作&＃xff0c;因此在完成项目时&＃xff0c;我们不得不频繁地在SQL和Python之间进行切换&＃xff0c;导致了工作效率低下和生产能力下降。

本文就教你一种方法&＃xff0c;使用Pandas在Python中轻松重现SQL结果。

入门指南

如果电脑中没有pandas包&＃xff0c;则需要先安装一下&＃xff1a;

Conda install pandas

在这个阶段&＃xff0c;我们将使用著名的Kaggle泰坦尼克数据集&＃xff1a;https://www.kaggle.com/c/titanic/data?select&＃61;test.csv。

安装软件包并下载数据后&＃xff0c;需要将其导入Python环境中&＃xff1a;

import pandasaspd

titanic_df &＃61; pd.read_csv("titanic_test_data.csv")

我们将使用pandas数据框架来存储数据&＃xff0c;还将用到各种pandas函数来操作数据框架。

SELECT,DISTINCT,COUNT, LIMIT

让我们从经常使用的简单SQL查询开始。

titanic_df [“ age”]。unique()将在此处返回唯一值的数组&＃xff0c;因此需要使用len()来获取唯一值的计数。

SELECT&＃xff0c;WHERE&＃xff0c;OR&＃xff0c;AND&＃xff0c;IN(有条件选择)

现在你知道了如何以简单的方式探索数据框架&＃xff0c;接着来尝试一些条件吧(在SQL中是WHERE子句)。

如果只想从数据框架中选择特定的列&＃xff0c;则可以使用另一对方括号进行选择。注意&＃xff0c;如果要选择多列&＃xff0c;则需要在方括号内放置数组[“ name”&＃xff0c;“ age”]。

isin()与SQL中的IN完全相同。要使用NOT IN&＃xff0c;需要在Python中使用negation(〜)来获得相同的结果。

GROUPBY&＃xff0c;ORDERBY&＃xff0c;COUNT

GROUP BY和ORDER BY也是用来探索数据的流行SQL&＃xff0c;让我们在Python中尝试一下。

如果只想对COUNT进行排序&＃xff0c;可以将布尔值传递给sort_values函数;如果想对多列进行排序&＃xff0c;则必须将布尔数组传递给sort_values函数。sum()函数将提供数据框架中的所有聚合数值总和列&＃xff0c;如果只需要特定列&＃xff0c;则需要使用方括号指定列名。

MIN&＃xff0c;MAX&＃xff0c;MEAN&＃xff0c;MEDIAN

最后&＃xff0c;来尝试一些常见的统计功能&＃xff0c;这些功能对于数据探索非常重要。

由于SQL没有中位数函数&＃xff0c;因此将使用BigQuery APPROX_QUANTILES获取年龄中位数。pandas聚合函数.agg()还支持其他函数&＃xff0c;例如sum。

拒绝频繁切换&＃xff0c;轻松重现查询&＃xff0c;你值得拥有!

你可以在我的Github中查看完整的脚本&＃xff1a;https://github.com/chingjunetao/medium-article/tree/master/rewrite-sql-with-python

本文转载自微信公众号「读芯术」&＃xff0c;可以通过以下二维码关注。转载本文请联系读芯术公众号。

【编辑推荐】

【责任编辑&＃xff1a;武晓燕 TEL&＃xff1a;(010)68476606】

点赞 0