作者 | 王伟同学

责编 | 郭芮

Pandas是一个非常方便的数据处理、数据分析的类库，也是每个Pythoner 做数据分析必备的神器。但不可否认的是，不是所有的程序员都会Python，也不是所有的Pythoner都会使用Pandas。

不过好消息是，借助于pandassql，你可以使用SQL来操作DataFrame。

# 导入相关库import numpy as npimport pandas as pdfrom pandasql import sqldf, load_meat, load_births

基础

pandasql 中的主要函数是 sqldf，它接收两个参数：

一个SQL 查询语句；一组会话/环境变量（locals() 或 globals()）。

为了方便起见，我们可以定义一个函数来方便我们调用。

pysqldf = lambda sql: sqldf(sql, globals())

接下来我们导入一些数据。

meat = load_meat()meat.head()

datebeefvealporklamb_and_muttonbroilersother_chickenturkey01944-01-01751.085.01280.089.0NaNNaNNaN11944-02-01713.077.01169.072.0NaNNaNNaN21944-03-01741.090.01128.075.0NaNNaNNaN31944-04-01650.089.0978.066.0NaNNaNNaN41944-05-01681.0106.01029.078.0NaNNaNNaN

births = load_births()births.head()

datebirths01975-01-0126577511975-02-0124104521975-03-0126884931975-04-0124745541975-05-01254545

查询

pandassql 使用的语法是 SQLite 的语法。任何 DataFrame 都会被 pandassql 自动检测到，你可以将它们作为来查询。

限定条数

先来看下如何去限定数据条数。这里来获取下前两条数据。

sql = "select * from births limit 2"pysqldf(sql)

datebirths01975-01-01 00:00:00.00000026577511975-02-01 00:00:00.000000241045

除了可以限定从头开始的前N条数据外，我们还可以设置偏移量。这里来获取下从第二行开始的前两条数据。

sql = "select * from births limit 2 offset 2"pysqldf(sql)

datebirths01975-03-01 00:00:00.00000026884911975-04-01 00:00:00.000000247455

限定字段

既然是SQL，我们当然可以限定查询时的所需字段了。这里我们限定只获取指定的births字段。

sql = "select births from births limit 2"pysqldf(sql)

births02657751241045

排序

排序功能也是非常常见的，pandassql 完美支持。这里我们按照 date 降序，births 升序来排。

sql = "select * from births order by date desc, births asc limit 2"pysqldf(sql)

datebirths02012-12-01 00:00:00.00000034099512012-11-01 00:00:00.000000320195

限定查询条件

我们可以指定 where 来查询满足要求的数据。这里我们筛选出 turkey 不为空并且 date 在 1974-12-31 之后的数据。

sql = """select *from meatwhere turkey not nulland date > '1974-12-31'limit 5"""pysqldf(sql)

datebeefvealporklamb_and_muttonbroilersother_chickenturkey01975-01-01 00:00:00.0000002106.059.01114.036.0646.2None64.911975-02-01 00:00:00.0000001845.050.0954.031.0570.2None47.121975-03-01 00:00:00.0000001891.057.0976.035.0616.6None54.431975-04-01 00:00:00.0000001895.060.01100.034.0688.3None68.741975-05-01 00:00:00.0000001849.059.0934.031.0690.1None81.9

聚合

数据分析时，聚合必不可少，pandassql 当然也支持了。这里我们按照年份来分组，然后对 births 求和、求均值、求最大值以及求最小值。

sql = """select strftime('%Y', date) as year,sum(births),avg(births),max(births),min(births)from birthsgroup bystrftime('%Y', date)limit 3"""pysqldf(sql)

yearsum(births)avg(births)max(births)min(births)019753136965261413.750000281300241045119766304156262673.166667286496236551219793333279277773.250000302805249898

关联

关联也是非常常见的操作。这里我们根据字段 date 作为条件来关联 meat 和 births 这两个DataFrame。

sql = """selectm.date, b.births, m.beeffrom meat minner join births bon m.date = b.dateorder bym.datelimit 5;"""pysqldf(sql)

datebirthsbeef01975-01-01 00:00:00.0000002657752106.011975-02-01 00:00:00.0000002410451845.021975-03-01 00:00:00.0000002688491891.031975-04-01 00:00:00.0000002474551895.041975-05-01 00:00:00.0000002545451849.0

以上是我列举的一些常用功能，除了这些之外，PandasSQL 还支持更多操作，都是基于 SQLite 的语法来完成的，感兴趣的话可以自己研究。

声明：本文为公众号 AI派 投稿，版权归对方所有。