【数据分析】pandas增删改查！sql2pandas方法手册

最新推荐文章于 2022-09-28 16:17:49 发布

风度78

最新推荐文章于 2022-09-28 16:17:49 发布

阅读量459

点赞数 1

文章标签：人工智能数据分析 mysql python 编程语言

数据分析

Author：louwill

Machine Learning Lab

作为一名数据分析师or算法工程师，利用SQL熟练的取数是一项必备的基础能力。除了SQL以外，Python的pandas也为我们提供了SQL的大多数功能。笔者对SQL和pandas相关数据操作的对照功能进行了整理。可以说是非常实用了。

标准的SQL查询语法如下：

select (distinct) [字段]
from [表1] join [表2] on [匹配字段]
where [过滤条件]
group by [字段]
having [过滤条件]
order by [字段] desc
limit [个数] offset [个数]

我们以2018-19赛季部分NBA一些球星的数据为例进行说明。该数据在pandas和MySQL中分别样式分别如下：

SQL的增删改查最主要的还是查询方法。我们先从查询方法开始。

select：选择球员、球队和场均得分三列：

distinct: 查看这些球员都有哪几种球场位置：

count：统计样本量

分类值统计：

连续值描述性统计：

where：

单条件：查找属于得分后卫的球员：

多条件：查找属于得分后卫且得分大于27分的球员：

in/not in 查找：

order by 排序语句：

对球员得分进行排序：

limit/offset语句：

对球员得分排序后取前三或者第二到第四

group by语句：

求每个位置球员的平均得分并降序排序：

having子句：

求每个位置球员的平均得分并筛选大于26分的记录：

多表联立查询：inner join/outer(left right) join/union

给出新表如下：

inner join：

left join:

right join:

union:

主要的查询部分对照完了之后，我们再来看SQL和pandas中的增删改方法。

SQL中创建表、修改表、插入表和删除表的语句如下表所示：

上述四种方法与之对应的pandas写法如下：

参考资料：

https://pandas.pydata.org/pandas-docs/stable/getting_started/comparison/comparison_with_sql.html


往期精彩回顾



适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
本站知识星球“黄博的机器学习圈子”（92416895）
本站qq群704220115。
加入微信群请扫码：

关注