Операции SQL Pandas

Конкретные примеры SQL-операций Pandas

Поскольку многие потенциальные пользователи Pandas знакомы с SQL, данная страница направлена на предоставление примеров того, как использовать Pandas для выполнения различных SQL-операций.

　import　pandas　as　pd
　url = 'https://raw.github.com/pandasdev/'
　pandas/master/pandas/tests/data/tips.csv'
　tips=pd.read_csv(url)
　print　tips.head()

Результат выполнения таков:

　　　　　　total_bill　　　tip　　　　　　sex　　smoker　　day　　　　　time　　size
0　　　　　　　　16.99　　1.01　　　Female　　　　　　No　　Sun　　Dinner　　　　　　2
1　　　　　　　　10.34　　1.66　　　　　Male　　　　　　No　　Sun　　Dinner　　　　　　3
2　　　　　　　　21.01　　3.50　　　　　Male　　　　　　No　　Sun　　Dinner　　　　　　3
3　　　　　　　　23.68　　3.31　　　　　Male　　　　　　No　　Sun　　Dinner　　　　　　2
4　　　　　　　　24.59　　3.61　　　Female　　　　　　No　　Sun　　Dinner　　　　　　4

Запрос

В SQL выбор выполняется с помощью списка разделенных запятыми имен所选 столбцов (или с помощью * для выбора всех столбцов):

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

Используя Pandas, выберите столбцы, передав список имен столбцов в DataFrame:

　tips[['total_bill',　'tip',　'smoker',　'time']].head(5)

Давайте посмотрим на полный пример:

　import　pandas　as　pd
　url = 'https://raw.github.com/pandasdev/'
　pandas/master/pandas/tests/data/tips.csv'
　　
　tips=pd.read_csv(url)
　print　tips[['total_bill',　'tip',　'smoker',　'time']].head(5)

Результат выполнения таков:

　　　total_bill　　　tip　　smoker　　　　　time
0　　　　　　　16.99　　1.01　　　　　　No　　　Dinner
1　　　　　　　10.34　　1.66　　　　　　No　　　Dinner
2                 21.01         3.50            Нет            Ужин
3                 23.68         3.31            Нет            Ужин
4                 24.59         3.61            Нет            Ужин

Вызов DataFrame без списка имен столбцов будет отображать все столбцы (аналогично SQL *).

WHERE условия запроса

Фильтрация с помощью подзапроса WHERE в SQL.

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

DataFrame можно фильтровать несколькими способами. Самый trực tiếp cách là sử dụng chỉ mục boolea.

　tips[tips['time'] == 'Dinner'].head(5)

Давайте рассмотрим полный пример

　import　pandas　as　pd
　url = 'https://raw.github.com/pandasdev/'
　pandas/master/pandas/tests/data/tips.csv'
　tips=pd.read_csv(url)
　print(tips[tips['time'] == 'Dinner'].head(5))

Результат выполнения таков:

　　　　　total_bill         tip                 sex                 smoker            day                 time                 size
0                 16.99         1.01            Женский            Нет            Воскресенье            Ужин            2
1                 10.34         1.66            Мужской            Нет            Воскресенье            Ужин            3
2                 21.01         3.50            Мужской            Нет            Воскресенье            Ужин            3
3                 23.68         3.31            Мужской            Нет            Воскресенье            Ужин            2
4                 24.59         3.61            Женский            Нет            Воскресенье            Ужин            4

Эта команда передает серию объектов True / False DataFrame и возвращает все строки с True.

Группировка GroupBy

Эта операция получит количество записей в каждой группе всего набора данных. Например, запрос на分组 по полу и количество:

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

В Pandas это действие выполняется следующим образом:

　tips.groupby('sex').size()

Давайте рассмотрим полный пример

　import　pandas　as　pd
　url = 'https://raw.github.com/pandasdev/'
　pandas/master/pandas/tests/data/tips.csv'
　tips=pd.read_csv(url)
　print　tips.groupby('sex').size()

Результат выполнения таков:

　sex
　Female　87
　Male　157
　dtype:　int64

Просмотр количества строк N

SQL использует LIMIT для возврата N строк:

　SELECT　*　from　tips
　LIMIT　5　;

Операции в Pandas выглядят следующим образом:

　tips.head(5)

Давайте рассмотрим полный пример

　import　pandas　as　pd
　url　=　'https://raw.github.com/pandas-dev/pandas/master/pandas/tests/data/tips.csv'
　tips=pd.read_csv(url)
　tips　=　tips[['smoker',　'day',　'time']].head(5)
　print　tips

Результат выполнения таков:

　　　　　smoker　　　day　　　　　time
0　　　　　　No　　　Sun　　　Dinner
1　　　　　　No　　　Sun　　　Dinner
2　　　　　　No　　　Sun　　　Dinner
3　　　　　　No　　　Sun　　　Dinner
4　　　　　　No　　　Sun　　　Dinner