工作中，頻繁切換是件麻煩事兒。一些程序員只熟悉SQL中的數(shù)據(jù)操作，卻不熟悉Python中的數(shù)據(jù)操作，因此在完成項(xiàng)目時(shí)，我們不得不頻繁地在SQL和Python之間進(jìn)行切換，導(dǎo)致了工作效率低下和生產(chǎn)能力下降。

本文就教你一種方法，使用Pandas在Python中輕松重現(xiàn)SQL結(jié)果。

入門指南

如果電腦中沒有pandas包，則需要先安裝一下：

Conda install pandas 

在這個(gè)階段，我們將使用著名的Kaggle泰坦尼克數(shù)據(jù)集：https://www.kaggle.com/c/titanic/data?select=test.csv。

安裝軟件包并下載數(shù)據(jù)后，需要將其導(dǎo)入Python環(huán)境中：

import pandas as pd 
             titanic_df = pd.read_csv("titanic_test_data.csv") 

我們將使用pandas數(shù)據(jù)框架來存儲(chǔ)數(shù)據(jù)，還將用到各種pandas函數(shù)來操作數(shù)據(jù)框架。

SELECT, DISTINCT, COUNT, LIMIT 

讓我們從經(jīng)常使用的簡(jiǎn)單SQL查詢開始。

titanic_df [“ age”]。unique()將在此處返回唯一值的數(shù)組，因此需要使用len()來獲取唯一值的計(jì)數(shù)。

SELECT，WHERE，OR，AND，IN（有條件選擇） 

現(xiàn)在你知道了如何以簡(jiǎn)單的方式探索數(shù)據(jù)框架，接著來嘗試一些條件吧(在SQL中是WHERE子句)。

如果只想從數(shù)據(jù)框架中選擇特定的列，則可以使用另一對(duì)方括號(hào)進(jìn)行選擇。注意，如果要選擇多列，則需要在方括號(hào)內(nèi)放置數(shù)組[“ name”，“ age”]。

isin()與SQL中的IN完全相同。要使用NOT IN，需要在Python中使用negation(〜)來獲得相同的結(jié)果。

GROUP BY，ORDER BY，COUNT 

 GROUP BY和ORDER BY也是用來探索數(shù)據(jù)的流行SQL，讓我們?cè)赑ython中嘗試一下。

如果只想對(duì)COUNT進(jìn)行排序，可以將布爾值傳遞給sort_values函數(shù);如果想對(duì)多列進(jìn)行排序，則必須將布爾數(shù)組傳遞給sort_values函數(shù)。sum()函數(shù)將提供數(shù)據(jù)框架中的所有聚合數(shù)值總和列，如果只需要特定列，則需要使用方括號(hào)指定列名。

MIN，MAX，MEAN，MEDIAN 

最后，來嘗試一些常見的統(tǒng)計(jì)功能，這些功能對(duì)于數(shù)據(jù)探索非常重要。

由于SQL沒有中位數(shù)函數(shù)，因此將使用BigQuery APPROX_QUANTILES獲取年齡中位數(shù)。pandas聚合函數(shù).agg()還支持其他函數(shù)，例如sum。

拒絕頻繁切換，輕松重現(xiàn)查詢，你值得擁有!

你可以在我的Github中查看完整的腳本：https://github.com/chingjunetao/medium-article/tree/master/rewrite-sql-with-python

本文轉(zhuǎn)載自微信公眾號(hào)「讀芯術(shù)」，可以通過以下二維碼關(guān)注。轉(zhuǎn)載本文請(qǐng)聯(lián)系讀芯術(shù)公眾號(hào)。