數(shù)據(jù)分析之 Pandas VS SQL
作者：寶器
轉(zhuǎn)自：愛德寶器
Abstract
Pandas是一個(gè)開源的Python數(shù)據(jù)分析庫(kù)，結(jié)合 NumPy 和 Matplotlib 類庫(kù)，可以在內(nèi)存中進(jìn)行高性能的數(shù)據(jù)清洗、轉(zhuǎn)換、分析及可視化工作。
對(duì)于數(shù)據(jù)開發(fā)工程師或分析師而言，SQL 語(yǔ)言是標(biāo)準(zhǔn)的數(shù)據(jù)查詢工具。本文提供了一系列的示例，說(shuō)明如何使用pandas執(zhí)行各種SQL操作。
Pandas簡(jiǎn)介?
Pandas把結(jié)構(gòu)化數(shù)據(jù)分為了三類：
Series，可以理解為一個(gè)一維的數(shù)組，只是index可以自己改動(dòng)。
DataFrame，一個(gè)類似于表格的數(shù)據(jù)類型的2維結(jié)構(gòu)化數(shù)據(jù)。
Panel，3維的結(jié)構(gòu)化數(shù)據(jù)。
Dataframe實(shí)例：
對(duì)于DataFrame，有一些固有屬性：
SQL VS Pandas
SELECT（數(shù)據(jù)選擇）
在SQL中，選擇是使用逗號(hào)分隔的列列表(或*來(lái)選擇所有列):
在Pandas中，選擇不但可根據(jù)列名稱選取，還可以根據(jù)列所在的位置選取。相關(guān)語(yǔ)法如下：
loc，基于列l(wèi)abel，可選取特定行（根據(jù)行index）
iloc，基于行/列的位置
ix，為loc與iloc的混合體，既支持label也支持position
at，根據(jù)指定行index及列l(wèi)abel，快速定位DataFrame的元素；
iat，與at類似，不同的是根據(jù)position來(lái)定位的；
WHERE（數(shù)據(jù)過(guò)濾）
在SQL中，過(guò)濾是通過(guò)WHERE子句完成的：
在pandas中，Dataframe可以通過(guò)多種方式進(jìn)行過(guò)濾，最直觀的是使用布爾索引：
在where子句中常常會(huì)搭配and, or, in, not關(guān)鍵詞，Pandas中也有對(duì)應(yīng)的實(shí)現(xiàn)：
SQL：
Pandas：
在where字句中搭配NOT NULL可以獲得某個(gè)列不為空的項(xiàng),Pandas中也有對(duì)應(yīng)的實(shí)現(xiàn)：
SQL：
Pandas：
DISTINCT（數(shù)據(jù)去重）
SQL：
Pandas：
寶器帶你畫重點(diǎn)：
subset，為選定的列做數(shù)據(jù)去重，默認(rèn)為所有列；
keep，可選擇{'first', 'last', False}，保留重復(fù)元素中的第一個(gè)、最后一個(gè)，或全部刪除；
inplace ，Pandas 中 inplace 參數(shù)在很多函數(shù)中都會(huì)有，它的作用是：是否在原對(duì)象基礎(chǔ)上進(jìn)行修改，默認(rèn)為False，返回一個(gè)新的Dataframe；若為True,不創(chuàng)建新的對(duì)象，直接對(duì)原始對(duì)象進(jìn)行修改。
GROUP BY（數(shù)據(jù)分組）
groupby()通常指的是這樣一個(gè)過(guò)程:我們希望將數(shù)據(jù)集拆分為組，應(yīng)用一些函數(shù)(通常是聚合)，然后將這些組組合在一起:
常見的SQL操作是獲取數(shù)據(jù)集中每個(gè)組中的記錄數(shù)。
Pandas中對(duì)應(yīng)的實(shí)現(xiàn)：
注意，在Pandas中，我們使用size()而不是count()。這是因?yàn)閏ount()將函數(shù)應(yīng)用于每個(gè)列，返回每個(gè)列中的非空記錄的數(shù)量。具體如下：
還可以同時(shí)應(yīng)用多個(gè)函數(shù)。例如，假設(shè)我們想要查看每個(gè)星期中每天的小費(fèi)金額有什么不同。
SQL：
Pandas：
JOIN（數(shù)據(jù)合并）
可以使用join()或merge()執(zhí)行連接。
默認(rèn)情況下，join()將聯(lián)接其索引上的DataFrames。
每個(gè)方法都有參數(shù)，允許指定要執(zhí)行的連接類型(LEFT, RIGHT, INNER, FULL)或要連接的列(列名或索引)
現(xiàn)在看一下不同的連接類型的SQL和Pandas實(shí)現(xiàn)：
INNER JOIN
SQL：
Pandas：
LEFT OUTER JOIN
SQL：
Pandas：
RIGHT JOIN
SQL：
Pandas:
FULL JOIN
SQL：
Pandas：
ORDER（數(shù)據(jù)排序）
SQL：
Pandas：
UPDATE（數(shù)據(jù)更新）
SQL：
Pandas：
DELETE（數(shù)據(jù)刪除）
SQL：
Pandas：
總結(jié)：
本文從Pandas里面基本數(shù)據(jù)結(jié)構(gòu)Dataframe的固定屬性開始介紹，對(duì)比了做數(shù)據(jù)分析過(guò)程中的一些常用SQL語(yǔ)句的Pandas實(shí)現(xiàn)。
參考：
http://m.v.qq.com/play/play.htmlcoverid=&vid=q0836f6kewx&ptag=4_6.7.0.22106_qq
往期精彩：
【原創(chuàng)首發(fā)】機(jī)器學(xué)習(xí)公式推導(dǎo)與代碼實(shí)現(xiàn)30講.pdf
【原創(chuàng)首發(fā)】深度學(xué)習(xí)語(yǔ)義分割理論與實(shí)戰(zhàn)指南.pdf
?技術(shù)人要學(xué)會(huì)自我營(yíng)銷