sql重拾（一）——谈谈数据分析方面的sql与python之异曲同工之妙

本科学了sql，研究生常常用python。二者在做数据分析、做统计方面有异曲同工之妙。

sql中的、Excel里的统计函数、python里面的一些统计函数其实是一样的，同一原理，同一东西，表现形式不同而已。下面来体会一下。

以下是我昨天写的一个笔记：
Sql的聚集函数：如，sum() avg() count() max() min()
聚集函数只能用在select和group by的having子句中。
group by:
分组后聚集函数可以作用于每一个组，可以对每一个组的数据做一些统计。
Example,

三张表：
学生表：Student（Sno, Sname, Ssex, Sage, Sdept）
课程表：Course(Cno, Cname, Cpno, Ccredict) Cpno 是先行课，Ccredict是学分
学生选课表：SC（Sno, Cno, Grade） Grade是分数

1）聚集函数用在select子句中：
查询各个课程（下）的选课人数：
select 课程号，count（学生学号）from 学生选课表 group by 课程号;
2）聚集函数用在group by的having子句中：
Group by 分组， having作用于每组去了解每组。
查询修了3门以上课程的学生：
Select 学号 from 学生课程表 group by 学号 having count(*)> 3;
先按学号分组了，每一组就是一个学生的上课情况；然后对每一组用聚集函数count计数。
【想到python】
python的DataFrame的grouby()函数+agg()函数，同一东西，同一原理，不同表现形式。
比如，sales.groupby([“date_month_id”]).agg({“item_cnt_day”:”sum”})，按月份标号分组，分组后，统计每一组的总销量（即，月销量），为该组的月销量。【直接用我之前项目中的例子来举例，这个更好理解】
再如，train.groupby([‘date_block_num’,‘shop_id’,‘item_id’]).agg({‘item_cnt_day’:‘sum’})，按[月份+门店+产品]分组，后，统计每一组的总销量，仍然是月销量，但是是以该月同一<门店，产品>为单位的。

还有，sql中的连接。在python中pandas.merge()函数就是sql中的连接。
Merge的参数how=”inner”就是sql的自然连接（∩交关系），how=“outer”就是sql的外连接（∪并关系），=”left”就是左外连接（左表为主人），=“right”就是右外连接（右表为主人）。On参数表示公共属性。
如，pd.merge( item, item_category, on=’item_id’, how=’left’) 连接产品表和产品类别表，基于产品编号做左连接。