python中conj函数

转载

liutao988 2024-12-27 11:08:49

文章标签 python中conj函数 python concat函数多张表 python pd Series 添加行 python Series 添加行 sql plus 表的总记录数是多少 文章分类 Python 后端开发

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

python中conj函数_python pd Series 添加行

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_nameFROM 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, timeFROM tipsLIMIT 5;

python中conj函数_sql plus 表的总记录数是多少_02

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

python中conj函数_python中conj函数_03

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_rateFROM tipsLIMIT 5;

python中conj函数_sql plus 表的总记录数是多少_04

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

python中conj函数_python pd Series 添加行_05

python中conj函数_python concat函数多张表_06

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_nameFROM table_nameWHERE column_name operator value;

比如查找示例数据中 time = dinner 的记录

SELECT *FROM tipsWHERE time = 'Dinner'LIMIT 5;

python中conj函数_python中conj函数_07

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

python中conj函数_sql plus 表的总记录数是多少_08

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 tipsWHERE time = 'Dinner' AND tip > 5.00;

python中conj函数_python Series 添加行_09

在pandas中也有类似的操作

python中conj函数_python中conj函数_10

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 frameWHERE col2 IS NULL;SELECT *FROM frameWHERE col1 IS NOT NULL;

python中conj函数_sql plus 表的总记录数是多少_11

更新

在 SQL 中使用 UPDATE

UPDATE tipsSET tip = tip*2WHERE 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

python中conj函数_python中conj函数_12

删除

在 SQL 中使用 DELETE

DELETE FROM tipsWHERE 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]

python中conj函数_python Series 添加行_13

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 tipsGROUP BY sex;

python中conj函数_python concat函数多张表_14

在pandas中的等价操作为

python中conj函数_python concat函数多张表_15

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！

python中conj函数_python中conj函数_16

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 df1INNER JOIN df2  ON df1.key = df2.key;

在 pandas 中可以使用 merge()

python中conj函数_python pd Series 添加行_17

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👇

python中conj函数_python Series 添加行_18

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 df1LEFT OUTER JOIN df2  ON df1.key = df2.key;SELECT *FROM df1RIGHT OUTER JOIN df2  ON 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

python中conj函数_python pd Series 添加行_19

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 df1FULL OUTER JOIN df2  ON 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

python中conj函数_python pd Series 添加行_20

python中conj函数_python concat函数多张表_21

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, rankFROM df1UNION ALLSELECT city, rankFROM df2;/*         city  rank      Chicago     1San Francisco     2New York City     3      Chicago     1       Boston     4  Los Angeles     5*/

在 pandas 中可以使用 concat() 实现 UNION ALL

python中conj函数_python pd Series 添加行_22