Python Pandas - Сравнение с SQL

Поскольку многие потенциальные пользователи Pandas в некоторой степени знакомы с SQL, эта страница предназначена для предоставления некоторых примеров того, как различные операции SQL могут выполняться с использованием pandas.

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()

это output выглядит следующим образом -

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

ВЫБРАТЬ

В SQL выбор выполняется с использованием списка столбцов, разделенных запятыми, которые вы выбираете (или * для выбора всех столбцов) -

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

С Pandas выбор столбца выполняется путем передачи списка имен столбцов в ваш DataFrame -

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

Проверим полную программу -

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)

это output выглядит следующим образом -

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

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

ГДЕ

Фильтрация в SQL выполняется с помощью предложения WHERE.

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

DataFrames можно фильтровать несколькими способами; наиболее интуитивно понятным из них является использование логической индексации.

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

Проверим полную программу -

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)

это output выглядит следующим образом -

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

Приведенный выше оператор передает серию объектов True / False в DataFrame, возвращая все строки с True.

Группа по

Эта операция извлекает количество записей в каждой группе в наборе данных. Например, запрос, извлекающий количество советов, оставленных по полу -

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

Эквивалент Pandas будет -

tips.groupby('sex').size()

Проверим полную программу -

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()

это output выглядит следующим образом -

sex
Female   87
Male    157
dtype: int64

Первые N строк

SQL возвращает top n rows с помощью LIMIT -

SELECT * FROM tips
LIMIT 5 ;

Эквивалент Pandas будет -

tips.head(5)

Давайте проверим 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

это output выглядит следующим образом -

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

Это несколько основных операций, которые мы сравнивали, и которые мы узнали в предыдущих главах библиотеки Pandas.