作者 | 刘早起

来源 | 早起Python（ID：zaoqi-python）

头图 |  CSDN 下载自东方IC

SQL 和 Python 几乎是当前数据分析师必须要了解的两门语言，它们在处理数据时有什么区别？本文将分别用 MySQL 和 pandas 来展示七个在数据分析中常用的操作，希望可以帮助掌握其中一种语言的读者快速了解另一种方法！

在阅读本文前，你可以访问下方网站下载本文使用的示例数据，并导入 MySQL 与 pandas 中，一边敲代码一边阅读！

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

选择

在 SQL 中，我们可以使用 SELECT 语句从表选择数据，结果被存储在一个结果表中，语法如下：

SELECT column_name,column_name
FROM table_name;

如果不想显示全部的记录，可以使用 TOP 或 LIMIT 来限制行数。因此选择 tips 表中的部分列可以使用下面的语句

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

而在 pandas 中，我们可以通过将列名列表传递给 DataFrame 来完成列选择

在 SQL 中，进行选择的同时还可以进行计算，比如添加一列

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

在 pandas 中使用 DataFrame.assign() 同样可以完成这个操作

查找

单条件查找

在 SQL 中，WHERE 子句用于提取那些满足指定条件的记录，语法如下

SELECT column_name,column_name
FROM table_name
WHERE column_name operator value;

比如查找示例数据中 time = dinner 的记录

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

而在 pandas 中，按照条件进行查找则可以有多种形式，比如可以将含有 True/False 的 Series 对象传递给 DataFrame，并返回所有带有 True 的行

多条件查找

在SQL中，进行多条件查找可以使用AND/OR来完成

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

在pandas中也有类似的操作

查找空值

在pandas检查空值是使用 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;

  更新

在 SQL 中使用 UPDATE

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

而在 pandas 中则有多种方法，比如使用 loc 函数

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

删除

在 SQL 中使用 DELETE

DELETE FROM tips
WHERE tip > 9;

在pandas中，我们选择应保留的行，而不是删除它们

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

分组

在 pandas 中，使用 groupby() 方法实现分组。groupby() 通常是指一个过程，在该过程中，我们希望将数据集分为几组，应用某些功能(通常是聚合)，然后将各组组合在一起。

常见的SQL操作是获取整个数据集中每个组中的记录数。例如，通过对性别进行分组查询

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

在pandas中的等价操作为注意，在上面代码中，我们使用 size() 而不是 count()  这是因为 count() 将函数应用于每一列，并返回每一列中非空记录的数量！

连接

在 pandas 可以使用 join() 或 merge() 进行连接，每种方法都有参数，可让指定要执行的联接类型(LEFT，RIGHT，INNER，FULL)或要联接的列。

现在让我们重新创建两组示例数据，分别用代码来演示不同的连接

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)})

内连接

内联接使用比较运算符根据每个表共有的列的值匹配两个表中的行，在 SQL 中实现内连接使用 INNER JOIN

SELECT *
FROM df1
INNER JOIN df2ON df1.key = df2.key;

在 pandas 中可以使用 merge()merge() 提供了一些参数，可以将一个 DataFrame 的列与另一个 DataFrame 的索引连接在一起????

左/右外联接

在 SQL 中实现左/右外连接可以使用 LEFT OUTER JOIN 和 RIGHT OUTER JOIN

SELECT *
FROM df1
LEFT OUTER JOIN df2ON df1.key = df2.key;SELECT *
FROM df1
RIGHT OUTER JOIN df2ON df1.key = df2.key;

在 pandas 中实现同样可以使用 merge() 并指定 how 关键字为 left 或者 right 即可

全连接

全连接返回左表和右表中的所有行，无论是否匹配，但并不是所有的数据库都支持，比如 mysql 就不支持，在 SQL 中实现全连接可以使用 FULL OUTER JOIN

SELECT *
FROM df1
FULL OUTER JOIN df2ON df1.key = df2.key;

在 pandas 中实现同样可以使用 merge() 并指定 how 关键字为 outer

合并

SQL 中 UNION 操作用于合并两个或多个 SELECT 语句的结果集，UNION 与 UNION ALL 类似，但是 UNION 将删除重复的行。示例代码如下

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

在 pandas 中可以使用 concat() 实现 UNION ALL

上面是 UNION ALL 保留重复值，如果希望删除可以使用  drop_duplicates()

以上就是本文的全部内容，可以看到在不同的场景下不同的语言有着不同的特性，如果你想深入学习了解可以进一步查阅官方文档并多加练习！

来源：pandas官方文档

https://pandas.pydata.org/docs/getting_started/comparison/comparison_with_sql.html

编译：刘早起（有删改）

更多精彩推荐
☞1024程序员节重要议程曝光，开源技术英雄会聊开源“真心话”☞“我们的目标是取代物联网中的安卓” | 人物志
☞对话阿里云：开源与自研如何共处？
☞服！AI 让兵马俑“活”起来，颜值惊艳！
☞AI 还原康乾盛世三代皇帝的样貌，简直太太太好玩了！☞观点 | 回顾以太坊近期及中期扩容路线图，展望 rollup 作为中心的以太坊路线图

点分享点点赞点在看