【干货原创】厉害了，在Pandas中用SQL来查询数据，效率超高

最新推荐文章于 2024-11-29 21:55:54 发布

欣一2002

最新推荐文章于 2024-11-29 21:55:54 发布

阅读量1.9k

点赞数

文章标签： python 数据分析 mysql 大数据数据库

本文链接：https://blog.csdn.net/weixin_43373042/article/details/123650344

版权

本文介绍如何在Python的Pandas库中利用SQL语法进行数据操作，包括导入数据、筛选列、条件筛选、分组、排序、数据合并等步骤，并展示了具体的代码示例。

摘要由CSDN通过智能技术生成

今天我们继续来讲一下Pandas和SQL之间的联用，我们其实也可以在Pandas当中使用SQL语句来筛选数据，通过Pandasql模块来实现该想法，首先我们来安装一下该模块

pip install pandasql

要是你目前正在使用jupyter notebook，也可以这么来下载

!pip install pandasql

导入数据

我们首先导入数据

import pandas as pd
from pandasql import sqldf
df = pd.read_csv("Dummy_Sales_Data_v1.csv", sep=",")
df.head()

output

我们先对导入的数据集做一个初步的探索性分析，

df.info()

output

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 9999 entries, 0 to 9998
Data columns (total 12 columns):
 #   Column               Non-Null Count  Dtype  
---  ------               --------------  -----  
 0   OrderID              9999 non-null   int64  
 1   Quantity             9999 non-null   int64  
 2   UnitPrice(USD)       9999 non-null   int64  
 3   Status               9999 non-null   object 
 4   OrderDate            9999 non-null   object 
 5   Product_Category     9963 non-null   object 
 6   Sales_Manager        9999 non-null   object 
 7   Shipping_Cost(USD)   9999 non-null   int64  
 8   Delivery_Time(Days)  9948 non-null   float64
 9   Shipping_Address     9999 non-null   object 
 10  Product_Code         9999 non-null   object

最低0.47元/天解锁文章