由于许多潜在的pandas用户对SQL有一定的了 解 ，因此本页旨在提供一些使用pandas来执行各种SQL操作的示例。
大部分的例子将利用tips在pandas测试中发现的数据集。我们将数据读入一个名为tips的DataFrame，并假设我们有一个同名和结构的数据库表。
一、SELECT
在SQL中，选择是使用逗号分隔的列表来选择（或者* 选择所有列）：
在pandas中，列的选择是通过传递列名到您的DataFrame：
调用没有列名称列表的DataFrame将显示所有列（类似于SQL的 *）。
二、WHERE
SQL中的过滤是通过WHERE子句完成的。
数据框dataframe可以通过多种方式进行过滤; 最直观的是使用 布尔索引。
上面的语句只是将一个SeriesTrue / False对象传递给DataFrame，所有行都返回True。
就像SQL的OR和AND一样，可以使用|将多个条件传递给DataFrame （OR）和＆（AND）。
NULL检查使用notna()和isna() 方法完成。
假设我们有一个与上面的DataFrame结构相同的表。我们只能看到col2 IS NULL 的记录与下面的查询：
获取col1不是NULL的项目可以完成notna()。
今日赠言
生活中的各种喧嚣会容易让人疲乏，抽出一点时间留给自己吧。做你喜欢的事情，想你开心的事情，然后微笑面对今天。
推荐阅读：
机器学习篇
自然语言处理中的Attention Model：是什么及为什么
python学习篇
参考：http://pandas.pydata.org/pandas-docs/stable/comparison_with_sql.html
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
