厉害了,在Pandas中用SQL来查询数据,效率超高

厉害了,在Pandas中用SQL来查询数据,效率超高今天我们继续来讲一下Pandas和SQL之间的联用,我们其实也可以在Pandas当中使用SQL语句来筛选数据,通过Pandasql模块来实现该想

大家好,欢迎来到IT知识分享网。

厉害了,在Pandas中用SQL来查询数据,效率超高

作者:俊欣

来源:关于数据分析与可视化

今天我们继续来讲一下PandasSQL之间的联用,我们其实也可以在Pandas当中使用SQL语句来筛选数据,通过Pandasql模块来实现该想法,首先我们来安装一下该模块

pip install pandasql 

要是你目前正在使用jupyter notebook,也可以这么来下载

!pip install pandasql 

导入数据

我们首先导入数据

import pandas as pd from pandasql import sqldf df = pd.read_csv("Dummy_Sales_Data_v1.csv", sep=",") df.head() 

output

厉害了,在Pandas中用SQL来查询数据,效率超高

我们先对导入的数据集做一个初步的探索性分析,

df.info() 

output

<class 'pandas.core.frame.DataFrame'> RangeIndex: 9999 entries, 0 to 9998 Data columns (total 12 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 OrderID 9999 non-null int64 1 Quantity 9999 non-null int64 2 UnitPrice(USD) 9999 non-null int64 3 Status 9999 non-null object 4 OrderDate 9999 non-null object 5 Product_Category 9963 non-null object 6 Sales_Manager 9999 non-null object 7 Shipping_Cost(USD) 9999 non-null int64 8 Delivery_Time(Days) 9948 non-null float64 9 Shipping_Address 9999 non-null object 10 Product_Code 9999 non-null object 11 OrderCode 9999 non-null int64 dtypes: float64(1), int64(5), object(6) memory usage: 937.5+ KB 

再开始进一步的数据筛选之前,我们再对数据集的列名做一个转换,代码如下

df.rename(columns={"Shipping_Cost(USD)":"ShippingCost_USD", "UnitPrice(USD)":"UnitPrice_USD", "Delivery_Time(Days)":"Delivery_Time_Days"}, inplace=True) df.info() 

output

<class 'pandas.core.frame.DataFrame'> RangeIndex: 9999 entries, 0 to 9998 Data columns (total 12 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 OrderID 9999 non-null int64 1 Quantity 9999 non-null int64 2 UnitPrice_USD 9999 non-null int64 3 Status 9999 non-null object 4 OrderDate 9999 non-null object 5 Product_Category 9963 non-null object 6 Sales_Manager 9999 non-null object 7 ShippingCost_USD 9999 non-null int64 8 Delivery_Time_Days 9948 non-null float64 9 Shipping_Address 9999 non-null object 10 Product_Code 9999 non-null object 11 OrderCode 9999 non-null int64 dtypes: float64(1), int64(5), object(6) memory usage: 937.5+ KB 

用SQL筛选出若干列来

我们先尝试筛选出OrderIDQuantitySales_ManagerStatus等若干列数据,用SQL语句应该是这么来写的

SELECT OrderID, Quantity, Sales_Manager, \ Status, Shipping_Address, ShippingCost_USD \ FROM df 

Pandas模块联用的时候就这么来写

query = "SELECT OrderID, Quantity, Sales_Manager,\ Status, Shipping_Address, ShippingCost_USD \ FROM df" df_orders = sqldf(query) df_orders.head() 

output

厉害了,在Pandas中用SQL来查询数据,效率超高

SQL中带WHERE条件筛选

我们在SQL语句当中添加指定的条件进而来筛选数据,代码如下

query = "SELECT * \ FROM df_orders \ WHERE Shipping_Address = 'Kenya'" df_kenya = sqldf(query) df_kenya.head() 

output

厉害了,在Pandas中用SQL来查询数据,效率超高

而要是条件不止一个,则用AND来连接各个条件,代码如下

query = "SELECT * \ FROM df_orders \ WHERE Shipping_Address = 'Kenya' \ AND Quantity < 40 \ AND Status IN ('Shipped', 'Delivered')" df_kenya = sqldf(query) df_kenya.head() 

output

厉害了,在Pandas中用SQL来查询数据,效率超高

分组

同理我们可以调用SQL当中的GROUP BY来对筛选出来的数据进行分组,代码如下

query = "SELECT Shipping_Address, \ COUNT(OrderID) AS Orders \ FROM df_orders \ GROUP BY Shipping_Address" df_group = sqldf(query) df_group.head(10) 

output

厉害了,在Pandas中用SQL来查询数据,效率超高

排序

而排序在SQL当中则是用ORDER BY,代码如下

query = "SELECT Shipping_Address, \ COUNT(OrderID) AS Orders \ FROM df_orders \ GROUP BY Shipping_Address \ ORDER BY Orders" df_group = sqldf(query) df_group.head(10) 

output

厉害了,在Pandas中用SQL来查询数据,效率超高

数据合并

我们先创建一个数据集,用于后面两个数据集之间的合并,代码如下

query = "SELECT OrderID,\ Quantity, \ Product_Code, \ Product_Category, \ UnitPrice_USD \ FROM df" df_products = sqldf(query) df_products.head() 

output

厉害了,在Pandas中用SQL来查询数据,效率超高

我们这里采用的两个数据集之间的交集,因此是INNER JOIN,代码如下

query = "SELECT T1.OrderID, \ T1.Shipping_Address, \ T2.Product_Category \ FROM df_orders T1\ INNER JOIN df_products T2\ ON T1.OrderID = T2.OrderID" df_combined = sqldf(query) df_combined.head() 

output

厉害了,在Pandas中用SQL来查询数据,效率超高

与LIMIT之间的联用

SQL当中的LIMIT是用于限制查询结果返回的数量的,我们想看查询结果的前10个,代码如下

query = "SELECT OrderID, Quantity, Sales_Manager, \ Status, Shipping_Address, \ ShippingCost_USD FROM df LIMIT 10" df_orders_limit = sqldf(query) df_orders_limit 

output

厉害了,在Pandas中用SQL来查询数据,效率超高

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/46586.html

(0)

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

关注微信