• Pandas是一個開源的Python數據分析庫，結合 NumPy 和 Matplotlib 類庫，可以在內存中進行高性能的數據清洗、轉換、分析及可視化工作。

• 對于數據開發工程師或分析師而言，SQL 語言是標準的數據查詢工具。本文提供了一系列的示例，說明如何使用pandas執行各種SQL操作。

Pandas把結構化數據分為了三類：

• Series，可以理解為一個一維的數組，只是index可以自己改動。

• DataFrame，一個類似于表格的數據類型的2維結構化數據。

• Panel，3維的結構化數據。

在SQL中，選擇是使用逗號分隔的列列表(或*來選擇所有列):

在Pandas中，選擇不但可根據列名稱選取，還可以根據列所在的位置選取。相關語法如下：

• loc，基于列label，可選取特定行（根據行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，根據指定行index及列label，快速定位DataFrame的元素；

• iat，與at類似，不同的是根據position來定位的；

在SQL中，過濾是通過WHERE子句完成的：

在pandas中，Dataframe可以通過多種方式進行過濾，最直觀的是使用布爾索引：

在where子句中常常會搭配and, or, in, not關鍵詞，Pandas中也有對應的實現：

SQL：

Pandas：

在where字句中搭配NOT NULL可以獲得某個列不為空的項,Pandas中也有對應的實現：

SQL：

Pandas：

SQL：

Pandas：

寶器帶你畫重點：

• subset，為選定的列做數據去重，默認為所有列；

• keep，可選擇{'first', 'last', False}，保留重復元素中的第一個、最后一個，或全部刪除；

• inplace ，Pandas 中 inplace 參數在很多函數中都會有，它的作用是：是否在原對象基礎上進行修改，默認為False，返回一個新的Dataframe；若為True,不創建新的對象，直接對原始對象進行修改。

groupby()通常指的是這樣一個過程:我們希望將數據集拆分為組，應用一些函數(通常是聚合)，然后將這些組組合在一起:

常見的SQL操作是獲取數據集中每個組中的記錄數。

Pandas中對應的實現：

注意，在Pandas中，我們使用size()而不是count()。這是因為count()將函數應用于每個列，返回每個列中的非空記錄的數量。具體如下：

還可以同時應用多個函數。例如，假設我們想要查看每個星期中每天的小費金額有什么不同。

SQL：

Pandas：

更多關于Groupy和數據透視表內容請閱讀：

• 這些祝福和干貨比那幾塊錢的紅包重要的多！
  

• 可以使用join()或merge()執行連接。

• 默認情況下，join()將聯接其索引上的DataFrames。

• 每個方法都有參數，允許指定要執行的連接類型(LEFT, RIGHT, INNER, FULL)或要連接的列(列名或索引)

SQL：

Pandas：

SQL：

Pandas：

SQL：

Pandas：

總結：

本文從Pandas里面基本數據結構Dataframe的固定屬性開始介紹，對比了做數據分析過程中的一些常用SQL語句的Pandas實現。

參考：

http://m.v.qq.com/play/play.htmlcoverid=&vid=q0836f6kewx&ptag=4_6.7.0.22106_qq