SQL的神奇之处在于它容易学习，而它容易学习的原因是代码语法非常直观。另一方面，Pandas不是那么直观，特别是如果像我一样首先从SQL开始。就我个人而言，我发现真正有用的是思考如何在SQL中操作数据，然后在Pandas中复制它。所以如果你想更加精通Pandas，我强烈建议你也采用这种方法。因此，本文可以作为一个备查表、字典、指南，无论你想怎么称呼它，这样你在使用Pandas时就可以参考它。说了这么多，让我们开始吧!
主要内容
- 选择行
- 结合表
- 条件过滤
- 根据值进行排序
- 聚合函数
一、选择行
SELECT * FROM
如果你想要选择整个表，只需调用表的名称:
# SQL
SELECT * FROM table_df
# Pandas
table_dfSELECT a, b FROM
如果你想从一个表中选择特定的列，列出你想要的列在双括号中:
# SQL
SELECT column_a, column_b FROM table_df
# Pandas
table_df[['column_a', 'column_b']]SELECT DISTINCT
简单地使用.drop_duplicates()获取不同的值:
# SQL
SELECT DISTINCT column_a FROM table_df
# Pandas
table_df['column_a'].drop_duplicates()SELECT a as b
如果你想重命名一个列，使用.rename():
# SQL
SELECT column_a as Apple, column_b as Banana FROM table_df
# Pandas
table_df[['column_a', 'column_b']].rename(columns={'column_a':
'Apple', 'column_b':'Banana'})SELECT CASE WHEN
对于等价于SELECT CASE WHEN的情况，您可以使用np.select()，其中首先指定您的选择和每个选择的值。
# SQL
SELECT CASE WHEN column_a > 30 THEN "Large"
WHEN column_a <= 30 THEN "Small"
END AS Size
FROM table_df
# Pandas
conditions = [table_df['column_a']>30, table_df['column_b']<=30]
choices = ['Large', 'Small']
table_df['Size'] = np.select(conditions, choices)二、组合表
INNER/LEFT/RIGHT JOIN
只需使用.merge()连接表，就可以使用“how”参数指定它是左连接、右连接、内连接还是外连接。
# SQL
SELECT * FROM table_1 t1
LEFT JOIN table_2 t1 on t1.lkey = t2.rkey
# Pandas
table_1.merge(table_2, left_on='lkey', right_on='rkey', how='left')UNION ALL
使用pd.concat ():
# SQL
SELECT * FROM table_1
UNION ALL
SELECT * FROM table_2
# Pandas
final_table = pd.concat([table_1, table_2])三、条件过滤
SELECT WHERE
当你用SQL中WHERE子句的方式过滤数据流时，你只需要在方括号中定义标准:
# SQL
SELECT * FROM table_df WHERE column_a = 1
# Pandas
table_df[table_df['column_a'] == 1]SELECT columna WHERE columnb
当你想从一个表中选择一个特定的列并用另一个列过滤它时，遵循以下格式：
# SQL
SELECT column_a FROM table_df WHERE column_b = 1
# Pandas
table_df[table_df['column_b']==1]['column_a']SELECT WHERE AND
如果您希望通过多个条件进行筛选，只需将每个条件用圆括号括起来，并使用’ & ‘分隔每个条件。
# SQL
SELECT * FROM table_df WHERE column_a = 1 AND column_b = 2
# Pandas
table_df[(table_df['column_a']==1) & (table_df['column_b']==2)]SELECT WHERE LIKE
相当于SQL中的LIKE的是.str.contains()。如果您想应用大小写不敏感，只需在参数中添加case=False。
# SQL
SELECT * FROM table_df WHERE column_a LIKE '%ball%'
# Pandas
table_df[table_df['column_a'].str.contains('ball')]SELECT WHERE column IN()
SQL中的IN()等价于.isin()
# SQL
SELECT * FROM table_df WHERE column_a IN('Canada', 'USA')
# Pandas
table_df[table_df['column_a'].isin(['Canada', 'USA'])]四、根据值进行排序
ORDER BY 单列
SQL中的ORDER BY等价于.sort_values()。使用“ascending”参数指定是按升序排序还是按降序排序——默认情况下像SQL一样是升序排序。
# SQL
SELECT * FROM table_df ORDER BY column_a DESC
# Pandas
table_df.sort_values('column_a', ascending=False)ORDER BY 多列
如果您希望按多个列排序，请列出方括号中的列，并在方括号中的’ ascending ‘参数中指定排序的方向。
# SQL
SELECT * FROM table_df ORDER BY column_a DESC, column_b ASC
# Pandas
table_df.sort_values(['column_a', 'column_b'], ascending=[False, True])五、聚合函数
COUNT DISTINCT
请注意聚合函数的一种常见模式。
要使用DISTINCT计数，只需使用.groupby()和.nunique()。
# SQL
SELECT column_a, COUNT DISTINCT(ID)
FROM table_df
GROUP BY column_a
# Pandas
table_df.groupby('column_a')['ID'].nunique()sum
# SQL
SELECT column_a, SUM(revenue)
FROM table_df
GROUP BY column_a
# Pandas
table_df.groupby(['column_a', 'revenue']).sum()avg
# SQL
SELECT column_a, AVG(revenue)
FROM table_df
GROUP BY column_a
# Pandas
table_df.groupby('column_a')['revenue'].mean()总结
希望在使用Pandas处理数据时，本文可以作为有用的指南。不要觉得你必须记住所有这些!当我和Pandas一起工作时，我经常会回想到这一点。
如果能够通过足够的练习，你将对Pandas感到更舒适，并充分理解其潜在机制，而不需要依赖于像这样的备记单。
一如既往，祝你编码快乐!:)
