在Pandas中像写SQL一样做数据分析

在python中可以使用pandas包来进行类似SQL的数据查询，这篇文章就给出一些用pandas去做类似SQL的操作的例子。首先导入numpy和pandas包。

import numpy as np
import pandas as pd

本文使用tips数据集用来讲解类似SQL操作的例子，首先导入以DataFrame的形式的tips数据集

url = 'https://raw.github.com/pandas-dev/pandas/master/pandas/tests/data/tips.csv'
tips = pd.read_csv(url)

可以使用head()来展示数据集中的前5列数据

tips.head()
print(tips.head())

可以得到如下结果：

这里就取出了tips数据集中的前五行数据。
同样可以使用tail()来展示数据集中的后面5列数据

tips.tail()
print(tips.tail())

运行结果如下：

下面举例说明几种常见的SQL操作以及相对应的pandas中的操作。
（1）pandas的select操作：在SQL中，如果我们要从tips中选取前五行total_bill, tip, smoker和time几列数据，SQL的语法为：

select total_bill, tip, smoker, time
from tips
limit 5

在pandas操作中，这几列数据可以通过在DataFrame中写出要选取的列，语法如下：

tips[['total_bill', 'tip', 'smoker', 'time']].head(5)
print(tips[['total_bill', 'tip', 'smoker', 'time']].head(5))

运行结果如下：

如果要选取所有的列，就不需要在DataFrame中填写参数，就像SQL的select *操作
2）pandas中的where操作：在SQL中，where操作语法为：

select * from tips where time = 'dinner' limit 5

pandas语法如下：

tips[tips['time'] == 'Dinner'].head(5)
print(tips[tips['time'] == 'Dinner'].head(5))

运行结果如下：

如果我们想知道tips数据集中有多少条数据是符合我们所要查找数据要求的，可以用如下操作:

is_dinner = tips['time'] == 'Dinner'
is_dinner.value_counts()

运行结果如下：
True 176
F