pandas的数据库操作-筛选数据

我们都知道SQL数据库的语句很简洁,python中的pandas库也很好用,但是如何将两者给关联起来???

本文将通过pandas来实现类似于SQL中的【过滤】、【排序】、【关联】、【合并】、【更新】、【删除】等操作。

用到的数据集

from sklearn.datasets import load_boston
import pandas as pd

boston = load_boston()
df = pd.DataFrame(boston.data,columns = boston.feature_names)
df['target'] =pd.Series(boston.target) 

df
CRIMZNINDUSCHASNOXRMAGEDISRADTAXPTRATIOBLSTATtarget
00.0063218.02.310.00.5386.57565.24.09001.0296.015.3396.904.9824.0
10.027310.07.070.00.4696.42178.94.96712.0242.017.8396.909.1421.6
20.027290.07.070.00.4697.18561.14.96712.0242.017.8392.834.0334.7
30.032370.02.180.00.4586.99845.86.06223.0222.018.7394.632.9433.4
40.069050.02.180.00.4587.14754.26.06223.0222.018.7396.905.3336.2
.............................................
5010.062630.011.930.00.5736.59369.12.47861.0273.021.0391.999.6722.4
5020.045270.011.930.00.5736.12076.72.28751.0273.021.0396.909.0820.6
5030.060760.011.930.00.5736.97691.02.16751.0273.021.0396.905.6423.9
5040.109590.011.930.00.5736.79489.32.38891.0273.021.0393.456.4822.0
5050.047410.011.930.00.5736.03080.82.50501.0273.021.0396.907.8811.9

506 rows × 14 columns

简单的字段查询

‘’‘SQL语句’’’

  • SELECT CRIM,ZN,CHAS,NOX,RM,RAD FROM boston LIMIT 2;

实现返回每行记录的CRIM,ZN,CHAS,NOX,RM,RAD字段,返回2行。

search = df[["CRIM","ZN","CHAS","NOX","RM","RAD"]].head(2)
search
CRIMZNCHASNOXRMRAD
00.0063218.00.00.5386.5751.0
10.027310.00.00.4696.4212.0

简单的条件过滤 WHERE

‘’‘SQL语句’’’

  • SELECT * FROM boston WHERE CHAS=1 LIMIT 2;
set(df['CHAS']) # 我们将CHAS特征作为分类标签
{0.0, 1.0}
search = df[df['CHAS']==1].head(2)
search
CRIMZNINDUSCHASNOXRMAGEDISRADTAXPTRATIOBLSTATtarget
1423.321050.019.581.00.8715.403100.01.32165.0403.014.7396.9026.8213.4
1521.126580.019.581.00.8715.01288.01.61025.0403.014.7343.2812.1215.3

多条件与或查询WHERE AND|OR

如上满足SQL实现查询同时满足CHAS=1和CRIM>1.0两个条件的记录,返回两行

与关系&

‘’‘SQL语句’’’

  • SELECT * FROM boston WHERE CHAS=1 AND CRIM>=1.0 LIMIT 2;
search = df[(df['CHAS']==1) & (df['CRIM'] >= 1.0)] .head(2) # 注意这里条件是用的圆括号!!!不是方括号
search
CRIMZNINDUSCHASNOXRMAGEDISRADTAXPTRATIOBLSTATtarget
1423.321050.019.581.00.8715.403100.01.32165.0403.014.7396.9026.8213.4
1521.126580.019.581.00.8715.01288.01.61025.0403.014.7343.2812.1215.3

或关系|

‘’‘SQL语句’’’

  • SELECT * FROM boston WHERE CHAS=1 OR CRIM>=1.0 LIMIT 2;
search = df[(df['CHAS']==1) | (df['CRIM'] >= 1.0)] .head(2) # 注意这里条件是用的圆括号!!!不是方括号
search
CRIMZNINDUSCHASNOXRMAGEDISRADTAXPTRATIOBLSTATtarget
161.053930.08.140.00.5385.93529.34.49864.0307.021.0386.856.5823.1
201.251790.08.140.00.5385.57098.13.79794.0307.021.0376.5721.0213.6

条件过滤 控制判断

空判断 查询null的记录

‘’‘SQL语句’’’

  • SELECT * FROM boston WHERE CHAS IS NULL;
search = df[df['CHAS'].isna()]# 注意这里条件是用的圆括号!!!不是方括号
search
CRIMZNINDUSCHASNOXRMAGEDISRADTAXPTRATIOBLSTATtarget

非空判断is not null

查询不为null的记录

‘’‘SQL语句’’’

  • SELECT * FROM boston WHERE CHAS IS NOT NULL;
search = df[df['CHAS'].notna()]# 注意这里条件是用的圆括号!!!不是方括号
search
CRIMZNINDUSCHASNOXRMAGEDISRADTAXPTRATIOBLSTATtarget
00.0063218.02.310.00.5386.57565.24.09001.0296.015.3396.904.9824.0
10.027310.07.070.00.4696.42178.94.96712.0242.017.8396.909.1421.6
20.027290.07.070.00.4697.18561.14.96712.0242.017.8392.834.0334.7
30.032370.02.180.00.4586.99845.86.06223.0222.018.7394.632.9433.4
40.069050.02.180.00.4587.14754.26.06223.0222.018.7396.905.3336.2
.............................................
5010.062630.011.930.00.5736.59369.12.47861.0273.021.0391.999.6722.4
5020.045270.011.930.00.5736.12076.72.28751.0273.021.0396.909.0820.6
5030.060760.011.930.00.5736.97691.02.16751.0273.021.0396.905.6423.9
5040.109590.011.930.00.5736.79489.32.38891.0273.021.0393.456.4822.0
5050.047410.011.930.00.5736.03080.82.50501.0273.021.0396.907.8811.9

506 rows × 14 columns

排序 ORDER BY ASC|DESC

‘’‘SQL语句’’’

  • SELECT * FROM boston WHERE INDUS>10 ORDER BY DESC CHAS;

满足INDUS>10的值按照CHAS进行降序排列

search = df[(df['INDUS']>10)].sort_values(by='CHAS',ascending=False)
search
CRIMZNINDUSCHASNOXRMAGEDISRADTAXPTRATIOBLSTATtarget
1621.833770.019.581.00.6057.80298.22.04075.0403.014.7389.611.9250.0
2120.217190.010.591.00.4895.80753.83.65264.0277.018.6390.9416.0322.4
3643.474280.018.101.00.7188.78082.91.904724.0666.020.2354.555.2921.9
3634.222390.018.101.00.7705.80389.01.904724.0666.020.2353.0414.6416.8
3573.849700.018.101.00.7706.39591.02.505224.0666.020.2391.3413.2721.7
.............................................
2930.082650.013.920.00.4376.12718.45.50274.0289.016.0396.908.5823.9
2940.081990.013.920.00.4376.00942.35.50274.0289.016.0396.9010.4021.7
2950.129320.013.920.00.4376.67831.15.96044.0289.016.0396.906.2728.6
2960.053720.013.920.00.4376.54951.05.96044.0289.016.0392.857.3927.1
5050.047410.011.930.00.5736.03080.82.50501.0273.021.0396.907.8811.9

236 rows × 14 columns

更新UPDATE

‘’‘SQL语句’’’

  • UPDATE boston SET CHAS = 1 WHERE INDUS >10 AND ZN = 0

将满足INDUS >10 和ZN > 0的CHAS字段更新为1


df.loc[(df['INDUS']>10) & (df['ZN']==0),'CHAS']=1
df[df['INDUS']>=10]
CRIMZNINDUSCHASNOXRMAGEDISRADTAXPTRATIOBLSTATtarget
700.088260.010.811.00.4136.4176.65.28734.0305.019.2383.736.7224.2
710.158760.010.811.00.4135.96117.55.28734.0305.019.2376.949.8821.7
720.091640.010.811.00.4136.0657.85.28734.0305.019.2390.915.5222.8
730.195390.010.811.00.4136.2456.25.28734.0305.019.2377.177.5423.4
740.078960.012.831.00.4376.2736.04.25155.0398.018.7394.926.7824.1
.............................................
5010.062630.011.931.00.5736.59369.12.47861.0273.021.0391.999.6722.4
5020.045270.011.931.00.5736.12076.72.28751.0273.021.0396.909.0820.6
5030.060760.011.931.00.5736.97691.02.16751.0273.021.0396.905.6423.9
5040.109590.011.931.00.5736.79489.32.38891.0273.021.0393.456.4822.0
5050.047410.011.931.00.5736.03080.82.50501.0273.021.0396.907.8811.9

236 rows × 14 columns

分组统计

根据CHAS进行分组,返回CHAS和每组的数量

‘’‘SQL语句’’’

  • SELECT CHAS,COUNT(*) FROM boston GROUP BY CHAS;
search = df.groupby('CHAS').size()
search
CHAS
0.0    261
1.0    245
dtype: int64

分组统计 聚合输出

根据CHAS进行分组,返回CHAS,每个组的INDUS和NOX的平均值、最大值

‘’‘SQL语句’’’

  • SELECT CHAS,avg(INDUS),max(INDUS),avg(NOX),max(NOX) FROM boston GROUP BY CHAS
import numpy as np
search = df.groupby('CHAS').agg({'INDUS':[np.mean,np.max],'NOX':[np.mean,np.max]})
search
INDUSNOX
meanamaxmeanamax
CHAS
0.05.48547915.040.4810910.647
1.017.15714327.740.6331060.871

删除

‘’‘SQL语句’’’

  • DELETE FROM boston WHERE WHERE TAX=305 AND RAD = 4;
drop = df.drop(df[(df['TAX']=305) & (df['RAD']=4)].index)
  File "<ipython-input-90-fff36bdbf4c7>", line 1
    drop = df.drop(df[(df['TAX']=305) & (df['RAD']=4)].index)
                                ^
SyntaxError: invalid syntax
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: Pandas 是一个基于 NumPy 的开源数据处理库,它提供了用于数据分析的数据结构和函数。Pandas 可以操作多种数据库,包括 CSV、Excel、SQL 等等。下面是一些 Pandas 数据库操作的常见用法: 1. 读取 CSV 文件:使用 `read_csv()` 函数来读取 CSV 文件。例如:`df = pd.read_csv('filename.csv')`。 2. 读取 Excel 文件:使用 `read_excel()` 函数来读取 Excel 文件。例如:`df = pd.read_excel('filename.xlsx', sheet_name='Sheet1')`。 3. 读取 SQL 数据库:使用 `read_sql()` 函数来读取 SQL 数据库中的数据。例如:`df = pd.read_sql('SELECT * FROM table_name', connection_object)`。 4. 写入 CSV 文件:使用 `to_csv()` 函数将数据写入 CSV 文件。例如:`df.to_csv('filename.csv', index=False)`。 5. 写入 Excel 文件:使用 `to_excel()` 函数将数据写入 Excel 文件。例如:`df.to_excel('filename.xlsx', sheet_name='Sheet1', index=False)`。 6. 写入 SQL 数据库:使用 `to_sql()` 函数将数据写入 SQL 数据库。例如:`df.to_sql('table_name', connection_object, if_exists='replace')`。 7. 数据合并:使用 `merge()` 函数将两个数据框按照某个共同列合并。例如:`pd.merge(df1, df2, on='key')`。 8. 数据过滤:使用布尔索引来筛选数据。例如:`df[df['column_name'] > 0]`。 9. 数据分组:使用 `groupby()` 函数按照某个列分组。例如:`df.groupby('column_name').mean()`。 10. 数据统计:使用 `describe()` 函数来查看数据的统计信息。例如:`df.describe()`。 ### 回答2: Pandas是一个开源的Python库,主要用于数据分析和数据处理。它提供了用于操作和处理大型数据集的高性能数据结构和函数。在Pandas中,有以下几种常用的数据库操作: 1. 数据读取:Pandas可以从多种数据源中读取数据,包括CSV文件、Excel文件、SQL数据库以及其他常见的数据格式。通过使用`read_csv()`、`read_excel()`和`read_sql()`等函数,可以方便地将数据加载到Pandas数据结构中。 2. 数据清洗:在导入数据后,经常需要进行数据清洗,包括处理缺失值、重复值、异常值等。Pandas提供了一系列函数来处理这些问题,如`dropna()`可以删除含有缺失值的行或列,`drop_duplicates()`可以删除重复值,`fillna()`可以填充缺失值,`replace()`可以替换指定的值等。 3. 数据筛选与过滤:Pandas提供了强大的筛选和过滤功能,可以根据条件对数据进行过滤。通过使用布尔索引、条件判断和`query()`函数,可以轻松地选择满足特定条件的数据行或列。 4. 数据排序:通过使用`sort_values()`函数,可以对数据进行排序,可以按照某一列或多个列的值进行升序或降序排序。此外,`sort_index()`函数可以按照索引对数据进行排序。 5. 数据聚合与统计:Pandas提供了丰富的聚合和统计函数,可以对数据进行统计分析。常用的函数包括`sum()`、`mean()`、`max()`、`min()`、`groupby()`等,可以计算总和、均值、最大值、最小值,并且可以按照某一列或多个列进行分组聚合。 6. 数据计算与转换:Pandas支持对数据进行计算和转换操作。常用的函数包括`apply()`、`map()`和`transform()`等,可以对数据进行自定义的计算、映射和转换。 7. 数据可视化:Pandas内置了基于matplotlib的绘图工具,可以方便地绘制各种类型的统计图表,如折线图、柱状图和散点图等。通过使用`plot()`函数,可以快速地生成图表并进行可视化分析。 总而言之,Pandas提供了许多强大的数据库操作功能,可以方便地进行数据读取、清洗、筛选、排序、聚合、计算和可视化等操作。它被广泛应用于数据分析、数据处理和数据挖掘等领域。 ### 回答3: Pandas是一个强大的数据分析工具,其中包含了丰富的数据库操作功能。 首先,Pandas可以连接并操作各种不同类型的数据库,比如MySQL、SQL Server、SQLite等。通过pandas.read_sql函数,可以从数据库中读取数据,并将其转化为DataFrame格式,方便进行数据分析和处理。 其次,Pandas提供了丰富的数据筛选和过滤方法。可以使用条件表达式或query函数对数据进行筛选,比如选择满足某个条件的行或列。此外,还可以使用isin和between等方法进行多条件的筛选。 另外,Pandas也支持数据的排序和去重。可以使用sort_values方法对数据进行排序,可以基于一列或多列进行排序。使用drop_duplicates方法可以对数据进行去重,可以根据指定的列或所有列进行去重。 此外,Pandas还支持数据的合并和拼接操作。可以使用concat方法将多个DataFrame按行或列方向进行拼接,也可以使用merge方法进行数据的合并操作,可以指定合并的列和合并的方式。 同时,Pandas还提供了数据的分组和聚合功能。可以使用groupby方法对数据进行分组,然后对每个组进行聚合操作,比如求和、平均值、计数等。此外,还可以使用pivot_table方法实现类似Excel中的数据透视表功能。 最后,Pandas还支持数据的导出和保存。可以使用to_csv、to_excel等方法将DataFrame数据导出为CSV文件或Excel文件。也可以使用to_sql方法将DataFrame数据保存到数据库中。 总之,Pandas提供了丰富的数据库操作功能,能够处理各种常见的数据处理需求,方便高效地进行数据分析和处理。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Wency(王斯-CUEB)

我不是要饭的

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值