Python Pandas - เปรียบเทียบกับ SQL

เนื่องจากผู้มีโอกาสเป็นผู้ใช้ Pandas หลายคนมีความคุ้นเคยกับ SQL อยู่บ้างหน้านี้จึงมีขึ้นเพื่อให้ตัวอย่างการดำเนินการต่างๆของ SQL โดยใช้แพนด้า

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()

มัน output มีดังนี้ -

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

เลือก

ใน SQL การเลือกทำได้โดยใช้รายการคอลัมน์ที่คั่นด้วยจุลภาคที่คุณเลือก (หรือ a * เพื่อเลือกคอลัมน์ทั้งหมด) -

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

ด้วย Pandas การเลือกคอลัมน์ทำได้โดยส่งรายชื่อคอลัมน์ไปยัง DataFrame ของคุณ -

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

ตรวจสอบโปรแกรมเต็ม -

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)

มัน output มีดังนี้ -

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

การเรียก DataFrame โดยไม่มีรายชื่อคอลัมน์จะแสดงคอลัมน์ทั้งหมด (คล้ายกับ SQL ของ *)

ที่ไหน

การกรองใน SQL ทำได้ผ่าน WHERE clause

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

DataFrames สามารถกรองได้หลายวิธี ใช้งานง่ายที่สุดซึ่งใช้การสร้างดัชนีแบบบูลีน

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

ตรวจสอบโปรแกรมเต็ม -

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)

มัน output มีดังนี้ -

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

ข้อความข้างต้นส่งชุดของวัตถุจริง / เท็จไปยัง DataFrame โดยส่งคืนแถวทั้งหมดด้วย True

GroupBy

การดำเนินการนี้ดึงจำนวนเรกคอร์ดในแต่ละกลุ่มตลอดชุดข้อมูล ตัวอย่างเช่นข้อความค้นหาเรียกจำนวนเคล็ดลับที่เหลือจากเพศ -

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

เทียบเท่านุ่นจะเป็น -

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

ตรวจสอบโปรแกรมเต็ม -

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()

มัน output มีดังนี้ -

sex
Female   87
Male    157
dtype: int64

N แถวบนสุด

SQL ส่งคืนไฟล์ top n rows โดยใช้ LIMIT -

SELECT * FROM tips
LIMIT 5 ;

เทียบเท่านุ่นจะเป็น -

tips.head(5)

ตรวจสอบตัวอย่างเต็ม -

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

มัน output มีดังนี้ -

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

นี่คือการใช้งานพื้นฐานบางอย่างที่เราเปรียบเทียบซึ่งเราได้เรียนรู้ในบทก่อนหน้าของห้องสมุดแพนด้า