pandas 教程

Pandas 数据结构

Pandas 基本操作

Pandas API

Pandas与SQL比较


由于许多潜在的 Pandas 用户对 SQL 有一定的了解,因此本文章旨在提供一些如何使用Pandas执行各种 SQL 操作的示例。

import pandas as pd
url = 'tips.csv'
tips=pd.read_csv(url)
print (tips.head())

文件:tips.csv -

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

执行上面示例代码,得到以下结果 -

   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

选择(Select)

在 SQL 中,选择是使用逗号分隔的列列表(或选择所有列)来完成的,例如 -

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

Pandas中,列的选择是通过传递列名到 DataFrame -

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

下面来看看完整的程序 -

import pandas as pd

url = 'tips.csv'

tips=pd.read_csv(url)
rs = tips[['total_bill', 'tip', 'smoker', 'time']].head(5)
print(rs)

执行上面示例代码,得到以下结果 -

   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

调用没有列名称列表的 DataFrame 将显示所有列(类似于 SQL 的*)。

WHERE 条件

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

数据帧可以通过多种方式进行过滤; 最直观的是使用布尔索引。

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

下面来看看完整的程序 -

import pandas as pd

url = 'tips.csv'

tips=pd.read_csv(url)
rs = tips[tips['time'] == 'Dinner'].head(5)
print(rs)

执行上面示例代码,得到以下结果 -

   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

上述语句将一系列True/False对象传递给 DataFrame,并将所有行返回True

通过 GroupBy 分组

此操作将获取整个数据集中每个组的记录数。例如,一个查询提取性别的数量(即,按性别分组) -

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

Pandas中的等值语句将是 -

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

下面来看看完整的程序 -

import pandas as pd

url = 'tips.csv'

tips=pd.read_csv(url)
rs = tips.groupby('sex').size()
print(rs)

执行上面示例代码,得到以下结果 -

sex
Female    2
Male      3
dtype: int64

前 N行

SQL(MySQL 数据库)使用LIMIT返回前n行 -

SELECT * FROM tips
LIMIT 5 ;

Pandas中的等值语句将是 -

tips.head(5)

下面来看看完整的程序 -

import pandas as pd

url = 'tips.csv'

tips=pd.read_csv(url)
rs = tips[['smoker', 'day', 'time']].head(5)
print(rs)

执行上面示例代码,得到以下结果 -

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

这些是比较的几个基本操作,在前几章的Pandas库中学到的。