Python数据分析之pandas的SQL风格

一、select选择

SELECT username, password, secret, login_ip FROM tz_admin LIMIT 5;
data[['username', 'password', 'secret', 'login_ip']].head(5)
#在SQL中，选择是使用逗号分隔的列(或选择所有列)来完成的
#Pandas中，列的选择是通过传递列名到DataFrame:

二、where条件

SELECT * FROM order WHERE uid = '55' LIMIT 5;

df[df['充值（元）']>100]

 三、groupby数据分组

数据分组是 pandas 数据分析的核⼼功能，可以将 DataFrame 根据⼀定的规则拆分为多个组合。

SELECT username, password, amount FROM user GROUP BY group;

df[['username','password','amount','group']].groupby(by='group')

pandas 中使用 groupby 方法时，它并不会立即执行分组操作。相反，它会返回一个 DataFrameGroupBy 对象，你需要对其应用聚合函数以获得有意义的结果。例如，你可以使用求和、均值、计数或任何其他聚合函数来对分组后的数据进行操作。

四、分组统计

1、计算平均值

df[['id','生日','city','充值（元）']].groupby(by='city').mean(numeric_only=True)

2、排序

3、频率

df2=df[['id','生日','city','充值（元）','性别']].groupby('city')['性别'].value_counts()

df2=df[['id','生日','city','充值（元）','性别']].groupby(by=['city','性别']).value_counts()

五、分组查看

最近心情比较烦，很烦，学不进去，未完待续，等我心静了再来学习