对于数据分析师而言,Pandas
与SQL
可能是大家用的比较多的两个工具,两者都可以对数据集进行深度的分析,挖掘出有价值的信息,但是二者的语法有着诸多的不同,今天小编就来总结归纳一下Pandas
与SQL
这两者之间在语法上到底有哪些不同。
导入数据
对于Pandas
而言,我们需要提前导入数据集,然后再进行进一步的分析与挖掘
import pandas as pd
airports = pd.read_csv('data/airports.csv')
airport_freq = pd.read_csv('data/airport-frequencies.csv')
runways = pd.read_csv('data/runways.csv')
基础语法
在SQL
当中,我们用SELECT
来查找数据,WHERE
来过滤数据,DISTINCT
来去重,LIMIT
来限制输出结果的数量,
输出数据集
## SQL
select * from airports
## Pandas
airports
输出数据集的前三行数据,代码如下
## SQL
select * from airports limit 3
## Pandas
airports.head(3)
对数据集进行过滤筛查
## SQL
select id from airports where ident = 'KLAX'
## Pandas
airports[airports.ident == 'KLAX'].id
对于筛选出来的数据进行去重
## SQL
select distinct type from airport
## Pandas
airports.type.unique()
多个条件交集来筛选数据
多个条件的交集来筛选数据,代码如下