作者 | 俊欣

来源 | 关于数据分析与可视化

对于数据分析师而言，Pandas与SQL可能是大家用的比较多的两个工具，两者都可以对数据集进行深度的分析，挖掘出有价值的信息，但是二者的语法有着诸多的不同，今天小编就来总结归纳一下Pandas与SQL这两者之间在语法上到底有哪些不同。

导入数据

对于Pandas而言，我们需要提前导入数据集，然后再进行进一步的分析与挖掘

import pandas as pdairports = pd.read_csv('data/airports.csv')
airport_freq = pd.read_csv('data/airport-frequencies.csv')
runways = pd.read_csv('data/runways.csv')

基础语法

在SQL当中，我们用SELECT来查找数据，WHERE来过滤数据，DISTINCT来去重，LIMIT来限制输出结果的数量，

输出数据集

## SQL
select * from airports## Pandas
airports

输出数据集的前三行数据，代码如下

## SQL
select * from airports limit 3## Pandas
airports.head(3)

对数据集进行过滤筛查

## SQL
select id from airports where ident = 'KLAX'## Pandas
airports[airports.ident == 'KLAX'].id

对于筛选出来的数据进行去重

## SQL
select distinct type from airport## Pandas
airports.type.unique()

多个条件交集来筛选数据

多个条件的交集来筛选数据，代码如下

## SQL
select * from airports
where iso_region = 'US-CA' and
type = 'seaplane_base'## Pandas
airports[(airports.iso_region == 'US-CA') &
(airports.type == 'seaplane_base')]

或者是

## SQL
select ident, name, municipality from airports
where iso_region = 'US-CA' and
type = 'large_airport'## Pandas
airports[(airports.iso_region == 'US-CA') &
(airports.type == 'large_airport')][['ident', 'name', 'municipality']]

排序

在Pandas当中默认是对数据进行升序排序，要是我们希望对数据进行降序排序，需要设定ascending参数

## SQL
select * from airport_freq
where airport_ident = 'KLAX'
order by type## Pandas
airport_freq[airport_freq.airport_ident == 'KLAX']
.sort_values('type')

又或者是

## SQL
select * from airport_freq
where airport_ident = 'KLAX'
order by type desc## Pandas
airport_freq[airport_freq.airport_ident == 'KLAX']
.sort_values('type', ascending=False)

筛选出列表当中的数据

要是我们需要筛选出来的数据在一个列表当中，这里就需要用到isin()方法，代码如下

## SQL
select * from airports
where type in ('heliport', 'balloonport')## Pandas
airports[airports.type.isin(['heliport', 'balloonport'])]

又或者是

## SQL
select * from airports
where type not in ('heliport', 'balloonport')## Pandas
airports[~airports.type.isin(['heliport', 'balloonport'])]

删除数据

在Pandas当中删除数据用的是drop()方法，代码如下

## SQL
delete from dataframe where col_name = 'MISC'## Pandas
df = df[df.type != 'MISC']
df.drop(df[df.type == 'MISC'].index)

更新数据

在SQL当中更新数据使用的是update和set方法，代码如下

### SQL
update airports set home_link = '......'
where ident == 'KLAX'### Pandas
airports.loc[airports['ident'] == 'KLAX', 'home_link'] = '......'

调用统计函数

对于给定的数据集，如下图所示

runways.head()

output

我们调用min()、max()、mean()以及median()函数作用于length_ft这一列上面，代码如下

## SQL
select max(length_ft), min(length_ft),
avg(length_ft), median(length_ft) from runways## Pandas
runways.agg({'length_ft': ['min', 'max', 'mean', 'median']})

合并两表格

在Pandas当中合并表格用的是pd.concat()方法，在SQL当中则是UNION ALL，代码如下

## SQL
select name, municipality from airports
where ident = 'KLAX'
union all
select name, municipality from airports
where ident = 'KLGB'## Pandas
pd.concat([airports[airports.ident == 'KLAX'][['name', 'municipality']],
airports[airports.ident == 'KLGB'][['name', 'municipality']]])

分组

顾名思义也就是groupby()方法，代码如下

## SQL
select iso_country, type, count(*) from airports
group by iso_country, type
order by iso_country, type## Pandas
airports.groupby(['iso_country', 'type']).size()

分组之后再做筛选

在Pandas当中是在进行了groupby()之后调用filter()方法，而在SQL当中则是调用HAVING方法，代码如下

## SQL
select type, count(*) from airports
where iso_country = 'US'
group by type
having count(*) > 1000
order by count(*) desc## Pandas
airports[airports.iso_country == 'US']
.groupby('type')
.filter(lambda g: len(g) > 1000)
.groupby('type')
.size()
.sort_values(ascending=False)

TOP N records

代码如下

## SQL
select 列名 from 表名
order by size
desc limit 10## Pandas
表名.nlargest(10, columns='列名')

往

期

回

顾

技术

Python多层级索引的数据分析

资讯

红帽、Docker、SUSE在俄停服

技术

用Python实现自动扫雷！

技术

一行Python代码能干嘛？来看！

分享

点收藏

点点赞

点在看