入門數(shù)據分析選擇Python還是SQL？七個常用操作對比！

在閱讀本文前，你可以訪問下方網站下載本文使用的示例數(shù)據，并導入MySQL與pandas中，一邊敲代碼一邊閱讀！

https://raw.githubusercontent.com/pandas-dev/pandas/master/pandas/tests/io/data/csv/tips.csv

在SQL中，我們可以使用SELECT語句從表選擇數(shù)據，結果被存儲在一個結果表中，語法如下：

SELECT?column_name,column_name
FROM?table_name;

如果不想顯示全部的記錄，可以使用TOP或LIMIT來限制行數(shù)。因此選擇tips表中的部分列可以使用下面的語句

SELECT?total_bill,?tip,?smoker,?time
FROM?tips
LIMIT?5;

而在pandas中，我們可以通過將列名列表傳遞給DataFrame來完成列選擇在SQL中，進行選擇的同時還可以進行計算，比如添加一列

SELECT?*,?tip/total_bill?as?tip_rate
FROM?tips
LIMIT?5;

在pandas中使用DataFrame.assign()同樣可以完成這個操作

單條件查找

在SQL中，WHERE子句用于提取那些滿足指定條件的記錄，語法如下

SELECT?column_name,column_name
FROM?table_name
WHERE?column_name?operator?value;

比如查找示例數(shù)據中time = dinner的記錄

SELECT?*
FROM?tips
WHERE?time?=?'Dinner'
LIMIT?5;

而在pandas中，按照條件進行查找則可以有多種形式，比如可以將含有True/False的Series對象傳遞給DataFrame，并返回所有帶有True的行

多條件查找

在SQL中，進行多條件查找可以使用AND/OR來完成

SELECT?*
FROM?tips
WHERE?time?=?'Dinner'?AND?tip?>?5.00;

在pandas中也有類似的操作

查找空值

在pandas檢查空值是使用notna()和isna()方法完成的。

frame[frame['col1'].notna()]

在SQL中可以使用IS NULL和IS NOT NULL完成

SELECT?*
FROM?frame
WHERE?col2?IS?NULL;

SELECT?*
FROM?frame
WHERE?col1?IS?NOT?NULL;

在SQL中使用UPDATE

UPDATE?tips
SET?tip?=?tip*2
WHERE?tip?2;

而在pandas中則有多種方法，比如使用loc函數(shù)

tips.loc[tips['tip']?2,?'tip']?*=?2

在SQL中使用DELETE

DELETE?FROM?tips
WHERE?tip?>?9;

在pandas中，我們選擇應保留的行，而不是刪除它們

tips?=?tips.loc[tips['tip']?<=?9]

在pandas中，使用groupby()方法實現(xiàn)分組。groupby()通常是指一個過程，在該過程中，我們希望將數(shù)據集分為幾組，應用某些功能(通常是聚合)，然后將各組組合在一起。

常見的SQL操作是獲取整個數(shù)據集中每個組中的記錄數(shù)。例如，通過對性別進行分組查詢

SELECT?sex,?count(*)
FROM?tips
GROUP?BY?sex;

在pandas中的等價操作為注意，在上面代碼中，我們使用size()而不是count() 這是因為count()將函數(shù)應用于每一列，并返回每一列中非空記錄的數(shù)量！

在pandas可以使用join()或merge()進行連接，每種方法都有參數(shù)，可讓指定要執(zhí)行的聯(lián)接類型(LEFT，RIGHT，INNER，F(xiàn)ULL)或要聯(lián)接的列。

現(xiàn)在讓我們重新創(chuàng)建兩組示例數(shù)據，分別用代碼來演示不同的連接

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)})

內連接

內聯(lián)接使用比較運算符根據每個表共有的列的值匹配兩個表中的行，在SQL中實現(xiàn)內連接使用INNER JOIN

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

在pandas中可以使用merge()merge()提供了一些參數(shù)，可以將一個DataFrame的列與另一個DataFrame的索引連接在一起?

左/右外聯(lián)接

在SQL中實現(xiàn)左/右外連接可以使用LEFT OUTER JOIN和RIGHT OUTER JOIN

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

在pandas中實現(xiàn)同樣可以使用merge()并指定how關鍵字為left或者right即可

全連接

全連接返回左表和右表中的所有行，無論是否匹配，但并不是所有的數(shù)據庫都支持，比如mysql就不支持，在SQL中實現(xiàn)全連接可以使用FULL OUTER JOIN

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

在pandas中實現(xiàn)同樣可以使用merge()并指定how關鍵字為outer

SQL中UNION操作用于合并兩個或多個SELECT語句的結果集，UNION與UNION ALL類似，但是UNION將刪除重復的行。示例代碼如下

SELECT?city,?rank
FROM?df1
UNION?ALL
SELECT?city,?rank
FROM?df2;
/*
?????????city??rank
??????Chicago?????1
San?Francisco?????2
New?York?City?????3
??????Chicago?????1
???????Boston?????4
??Los?Angeles?????5
*/

在pandas中可以使用concat()實現(xiàn)UNION ALL

上面是UNION ALL保留重復值，如果希望刪除可以使用 ?drop_duplicates()

以上就是本文的全部內容，可以看到在不同的場景下不同的語言有著不同的特性，如果你想深入學習了解可以進一步查閱官方文檔并多加練習！

來源：pandas官方文檔

h?????????????????ttps://pandas.pydata.org/docs/getting_started/comparison/comparison_with_sql.html

編譯：劉早起（有刪改）

由于微信平臺算法改版，公號內容將不再以時間排序展示，如果大家想第一時間看到我們的推送，強烈建議星標我們和給我們多點點【在看】。星標具體步驟為：

（1）點擊頁面最上方“小詹學Python”，進入公眾號主頁。

（2）點擊右上角的小點點，在彈出頁面點擊“設為星標”，就可以啦。

感謝支持，比心。