Pandas SQL-Operationen

Spezifische Beispiele für Pandas SQL-Operationen

Da viele potenzielle Pandas-Benutzer SQL verstehen, zielt diese Seite darauf ab, einige Beispiele zu liefern, die erläutern, wie mit Pandas verschiedene SQL-Operationen durchgeführt werden können.

　import　pandas　as　pd
　url　=　'https://raw.github.com/pandasdev/
　pandas/master/pandas/tests/data/tips.csv'
　tips=pd.read_csv(url)
　print(tips.head())

Das Laufende Ergebnis ist wie folgt:

　　　　　　total_bill         tip                     sex             smoker             day                     time             size
0　　　　　　　　16.99　　1.01　　　Female              Nein             Sonntag             Dinner　　　　　　2
1　　　　　　　　10.34　　1.66　　　　　Male              Nein             Sonntag             Dinner　　　　　　3
2　　　　　　　　21.01　　3.50                 Male              Nein             Sonntag             Dinner　　　　　　3
3　　　　　　　　23.68　　3.31　　　　　Male              Nein             Sonntag             Dinner　　　　　　2
4　　　　　　　　24.59　　3.61　　　Female              Nein             Sonntag             Dinner　　　　　　4

Abfrage

In SQL wird die Auswahl durch eine durch Kommas getrennte Liste der gewählten Spalten (oder durch*um alle Spalten auszuwählen）zu erledigen ist:

　SELECT total_bill, tip, smoker, time
　from　tips
　LIMIT　5;

Durch Übergeben einer Liste von Spaltennamen an DataFrame kann die Spaltenauswahl mit Pandas durchgeführt werden:

　tips[['total_bill', 'tip', 'smoker', 'time']].head(5)

Lassen Sie uns einen vollständigen Beispiel fall sehen:

　import　pandas　as　pd
　url　=　'https://raw.github.com/pandasdev/
　pandas/master/pandas/tests/data/tips.csv'
　　
　tips=pd.read_csv(url)
　print(tips[['total_bill', 'tip', 'smoker', 'time']].head(5)

Das Laufende Ergebnis ist wie folgt:

　　　total_bill         tip             smoker                     time
0　　　　　　　16.99　　1.01　　　　　　Nein             Dinner
1　　　　　　　10.34　　1.66　　　　　　Nein             Dinner
2　　　　　　　21.01　　3.50                 Nein             Dinner
3　　　　　　　23.68　　3.31　　　　　　Nein             Dinner
4　　　　　　　24.59　　3.61　　　　　　Nein             Dinner

Ein DataFrame ohne Spaltennamenliste aufgerufen zeigt alle Spalten an (ähnlich wie in SQL,*).

WHERE-Bedingungsabfrage

Filterung durch WHERE-Satz in SQL durchführen.

　SELECT　*　from tips WHERE time = 'Dinner' LIMIT　5;

DataFrame können auf verschiedene Weisen gefiltert werden. Der direkteste Weg ist die Verwendung von Boolean-Indizes.

　tips[tips['time'] == 'Dinner'].head(5)

Lassen Sie uns einen vollständigen Beispiel ansehen

　import　pandas　as　pd
　url　=　'https://raw.github.com/pandasdev/
　pandas/master/pandas/tests/data/tips.csv'
　tips=pd.read_csv(url)
　print(tips[tips['time'] == 'Dinner']).head(5)

Das Laufende Ergebnis ist wie folgt:

　　　　　total_bill         tip                     sex             smoker             day             time             size
0　　　　　　　16.99　　1.01　　　Female             Nein             Sonntag             Dinner　　　　2
1　　　　　　　10.34　　1.66　　　　　Male             Nein             Sonntag             Dinner　　　　3
2　　　　　　　21.01　　3.50                 Male             Nein             Sonntag             Dinner　　　　3
3　　　　　　　23.68　　3.31　　　　　Male             Nein             Sonntag             Dinner　　　　2
4　　　　　　　24.59　　3.61　　　Female             Nein             Sonntag             Dinner　　　　4

Der obige Ausdruck gibt eine Reihe von True / False-Objekte werden an DataFrame übergeben und alle Zeilen mit True zurückgegeben.

GroupBy-Gruppierung

Diese Operation liefert die Anzahl der Aufzeichnungen in jeder Gruppe des gesamten Datensatzes. Zum Beispiel, um die Anzahl der Gruppen nach Geschlecht zu überprüfen:

　SELECT　sex,　count(*)
　from　tips
　GROUP　BY　sex;

In Pandas wird wie folgt operationiert:

　tips.groupby('sex').size()

Lassen Sie uns einen vollständigen Beispiel ansehen

　import　pandas　as　pd
　url　=　'https://raw.github.com/pandasdev/
　pandas/master/pandas/tests/data/tips.csv'
　tips=pd.read_csv(url)
　print　tips.groupby('sex').size()

Das Laufende Ergebnis ist wie folgt:

　sex
　Weiblich　87
　Männlich　157
　dtype:　int64

Anzahl der Zeilen abfragen

SQL verwendet LIMIT, um N Zeilen zurückzugeben:

　SELECT　*　from　tips
　LIMIT　5　;

In Pandas wird so operationiert:

　tips.head(5)

Lassen Sie uns einen vollständigen Beispiel ansehen

　import　pandas　as　pd
　url　=　'https://raw.github.com/pandas-dev/pandas/master/pandas/tests/data/tips.csv'
　tips=pd.read_csv(url)
　tips　=　tips[['smoker',　'day',　'time']].head(5)
　print　tips

Das Laufende Ergebnis ist wie folgt:

　　　　　Raucher　　　Tag　　　　　Zeit
0　　　　　　Keine　　　Sonnen　　　Dinner
1　　　　　　Keine　　　Sonnen　　　Dinner
2　　　　　　Keine　　　Sonnen　　　Dinner
3　　　　　　Keine　　　Sonnen　　　Dinner
4　　　　　　Keine　　　Sonnen　　　Dinner