在python中pandas工具包具有基本的數(shù)據(jù)管理功能，自然就有一些查詢pandas中數(shù)據(jù)結(jié)構(gòu)dataframe的常用函數(shù)。下面就看看，與常用的SQL語(yǔ)句對(duì)應(yīng)的pandas函數(shù)有哪些？

數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)從SQL Server數(shù)據(jù)庫(kù)中獲取，使用符合SQL語(yǔ)法規(guī)則的語(yǔ)句查詢并獲取。在python中如何連接數(shù)據(jù)庫(kù)的方法，請(qǐng)點(diǎn)擊閱讀 這篇文章 。

• 與數(shù)據(jù)庫(kù)建立連接

• 獲取指定條件的數(shù)據(jù)，例如讀取My_Database_Name數(shù)據(jù)庫(kù)中State_Population 數(shù)據(jù)表的前10條記錄，

population = pd.read_sql('SELECT TOP(10) * FROM State_Population', connection)

或者寫成：

以上方法中，pd.read_sql 函數(shù)的功能與 SQL語(yǔ)句'Select * from ....'相對(duì)應(yīng)，并且以dataframe格式查詢輸出的結(jié)果area， 由此即可在python用pandas函數(shù)對(duì)area進(jìn)行更多的操作。

SQL查詢語(yǔ)句一般包括以下組成部分：

• SELECT column_name(s)
• FROM table_name
• WHERE condition
• GROUP BY column_name(s)
• HAVING condition
• ORDER BY column_name(s)

各組成部分在pandas中都有對(duì)應(yīng)的函數(shù)。從My_Database_Name 數(shù)據(jù)庫(kù)中的三個(gè)數(shù)據(jù)表，讀取其中兩個(gè)數(shù)據(jù)表（State_Population和STATE_AREAS）的部分內(nèi)容，都是dataframe格式，命名為：population 和 area。下文中將使用population，演示pandas中與SQL查詢有相同功能的函數(shù)。先看看population包括的數(shù)據(jù)內(nèi)容：

population.head()

輸出結(jié)果如下圖：

（一）在pandas中與 SELECT * FROM State_Population;相對(duì)應(yīng)的方法（1-4）

（1） 在python中可讀取 dataframe

結(jié)果如下圖：

（2）SELECT year FROM State_Population; 對(duì)應(yīng)的pandas函數(shù)：pd.DataFrame(population.year)

pd.DataFrame(population.year)

輸出結(jié)果如下圖：

（3）SELECT population, year FROM State_Population; 對(duì)應(yīng)的pandas方法：population[['population', 'year']]

輸出結(jié)果：

（4）pandas.loc方法

該方法一般格式為：df.loc([row names], [column names])；獲取給定列的所有行數(shù)據(jù)，可以用“：”替代 [row names] ，如：df.loc(: , [column names])。

population.loc[:,['population', 'year']]

輸出結(jié)果與方法（3）相同：

（二）在python中與SELECT * FROM State_Population WHERE year = 2010;語(yǔ)句相對(duì)應(yīng)的方法（5--8）。

（5）可使用切片方法（slicing）

輸出結(jié)果如下圖：

（6） pandas.loc()函數(shù)

population.loc[population.year == 2010,:]

輸出結(jié)果與（5）相同，略。

（7）pandas.query()函數(shù)

輸出結(jié)果與（5）相同，略。

（8）lambda函數(shù)

population[population.apply(lambda x: x['year'] == 2010, axis=1)]

輸出結(jié)果與（5）相同，略。

（三）在python中，與SELECT state/region, population, year FROM State_Population WHERE year = 2010 or 2012 and ages = under18; 相對(duì)應(yīng)的方法（9--12）。

（9）索引（indexing）和切片方法（slicing）

輸出結(jié)果如下圖：

（10）pandas.loc()方法

population.loc[(population.year.isin([2010, 2012])) & (population.ages == 'under18'),['state/region', 'population', 'year']]

輸出結(jié)果與（9）相同，略。

（11）pandas.query()方法

輸出結(jié)果與（9）相同，略。

（12）使用lambda函數(shù)

population[population.apply(lambda x: (x['year'] in [2010, 2012]) & (x['ages'] == 'under18'), axis=1)]

輸出結(jié)果與（9）相同，略。

（四）在python中，與SELECT * FROM State_Population WHERE ages = total GROUP BY state/region HAVING AVG(population) > 10000000; 語(yǔ)句相對(duì)應(yīng)的方法。

輸出結(jié)果如下圖：

population.groupby(by = ['state/region', 'year'])

輸出結(jié)果如下圖：

輸出結(jié)果如下圖：

還可以把分組結(jié)果賦給一個(gè)變量：grouped

grouped = population.groupby(by = ['state/region', 'year'])

（13）pandas中的groupby和aggregate方法

輸出結(jié)果如下圖：

（14）python中用sort_values()排序

python中與SELECT * FROM State_Population WHERE ages = total GROUP BY state/region HAVING AVG(population) > 10000000 ORDER BY population; 對(duì)應(yīng)的方法

df = pd.DataFrame(population.loc[population.ages == 'total', :].groupby(by = 'state/region').aggregate('population').mean())df.loc[df.population > 10000000, :].sort_values(by = 'population')

輸出結(jié)果如下圖：

使用 “ascending = False” 參數(shù)的結(jié)果：

（15）pandas提供的多列排序

輸出結(jié)果如下圖：

對(duì)分類后的數(shù)據(jù)表進(jìn)行排序，

grouped.sort_values(by = ['year', 'population'], ascending=[True, False])