pandas中如何实现了和SQL一样的查询方式

学过sql的童鞋都知道在sql的世界里面，查询语句就是一切，不管查询一列，还是多列，还是条件查询，加上排序等等，都是很快很高效，但是有一个缺点不可避免的就是，你需要把数据导入到数据库，然后建立查询语句，比较复杂的查询语句，比较复杂，也是很难编写，如果电脑配置比较低，即便是简单的查询语句，在面临巨大的数据面前，也是会变得很慢。

今天主要是讲2点：

• python下的pandas如何筛选数据
• SQL的查询方法如何在pandas里面实现
• 相比较你感受一下谁的速度跟快更便捷

查询几列数据并只显示前几行

SQL实现方法：

SELECT 'Year', 'Month', 'DayofMonth', 'DayOfWeek' FROM tips LIMIT 5

pandas实现方法：

df[['Year', 'Month', 'DayofMonth', 'DayOfWeek']]

Where :查询指定的值

时间为year=2011的前五行数据：

SQL：

SELECT * FROM tips WHERE tYear = 'Dinner' LIMIT 5;

pandas:

df[df["Year"]==2011].head()

多条件查询 AND：

通过多个条件限制查询的值得范围

SQL：

SELECT * FROM tips WHERE Year = 2011 AND Month > 6;

pandas:

df[(df["Year"]==2011)&(df["Month"]>6)].head()

多条件查询 OR：

多个条件只要满足一个就可以

SQL：

SELECT * FROM tips WHERE Year = 2011 OR Month > 6;

pandas:

df[(df["Year"]==2011)|(df["Month"]>6)].head()

筛选是否含有空值：

筛选某列包含空值的数据：

SQL：

SELECT * FROM frame WHERE Month IS NULL;

pandas:

df[df["Month"].isna()].head

筛选不包含空值的列：

SQL：

SELECT * FROM frame WHERE Month IS NOT NULL;

pandas:

df[df["Month"].notna()].head

分组统计：

SQL：

SELECT Year, count(*) FROM tips GROUP BY Year;

pandas:

df.groupby("Year").size()

分组统计应用不容的统计方式：

SQL：

SELECT Year, AVG(TaxiOut), COUNT(*) FROM tips GROUP BY Year;

pandas:

df.groupby('Year').agg({'TaxiOut': np.mean, 'Year': np.size})

数据连接查询：

INNER JOIN

SQL：

SELECT * FROM df1 INNER JOIN df2 ON df1.key = df2.key;

pandas:

df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'],
 'value': np.random.randn(4)})
df2 = pd.DataFrame({'key': ['B', 'D', 'D', 'E'],
 'value': np.random.randn(4)})
pd.merge(df1, df2, on='key')

LEFT OUTER JOIN

SQL:

SELECT * FROM df1 LEFT OUTER JOIN df2 ON df1.key = df2.key;

pandas:

pd.merge(df1, df2, on='key', how='left')

RIGHT JOIN

SQL:

SELECT * FROM df1 RIGHT OUTER JOIN df2 ON df1.key = df2.key;

pandas:

pd.merge(df1, df2, on='key', how='right')

FULL JOIN

SQL :

SELECT * FROM df1 FULL OUTER JOIN df2 ON df1.key = df2.key;

pandas:

pd.merge(df1, df2, on='key', how='outer')

合并查询

Union 包括两种情况，删除重复和不删除

不删除：

SQL：

SELECT city, rank FROM df1 UNION ALL SELECT city, rank FROM df2;

pandas:

pd.concat([df1, df2])

删除：

SQL：

SELECT city, rank FROM df1 UNION SELECT city, rank FROM df2;

pandas:

pd.concat([df1, df2]).drop_duplicates()

排序

SQL：

SELECT * FROM tips ORDER BY Month DESC

pandas：

df.sort_values(by="Month",ascending=False)

更新

SQL：

UPDATE tips SET TaxiIn = TaxiIn*2 WHERE Month < 5

pandas:

df.loc[df["Month"]<5,"TaxiIn"]*=2
df[df["Month"]<5]["TaxiIn"]

删除

SQL：

DELETE FROM tips WHERE Month > 9;

pandas:

df.drop(df[df["Month"]>9].index)