Pandas闪回咒！如何在Python中重写SQL查询？

工作中，频繁切换是件麻烦事儿。一些程序员只熟悉SQL中的数据操作，却不熟悉Python中的数据操作，因此在完成项目时，我们不得不频繁地在SQL和Python之间进行切换，导致了工作效率低下和生产能力下降。

本文就教你一种方法，使用Pandas在Python中轻松重现SQL结果。

入门指南

如果电脑中没有pandas包，则需要先安装一下：

Conda install pandas 

在这个阶段，我们将使用著名的Kaggle泰坦尼克数据集：https://www.kaggle.com/c/titanic/data?select=test.csv。

安装软件包并下载数据后，需要将其导入Python环境中：

import pandas as pd 
             titanic_df = pd.read_csv("titanic_test_data.csv") 

我们将使用pandas数据框架来存储数据，还将用到各种pandas函数来操作数据框架。

SELECT, DISTINCT, COUNT, LIMIT 

让我们从经常使用的简单SQL查询开始。

titanic_df [“ age”]。unique()将在此处返回唯一值的数组，因此需要使用len()来获取唯一值的计数。

SELECT，WHERE，OR，AND，IN（有条件选择） 

现在你知道了如何以简单的方式探索数据框架，接着来尝试一些条件吧(在SQL中是WHERE子句)。

如果只想从数据框架中选择特定的列，则可以使用另一对方括号进行选择。注意，如果要选择多列，则需要在方括号内放置数组[“ name”，“ age”]。

isin()与SQL中的IN完全相同。要使用NOT IN，需要在Python中使用negation(〜)来获得相同的结果。

GROUP BY，ORDER BY，COUNT 

GROUP BY和ORDER BY也是用来探索数据的流行SQL，让我们在Python中尝试一下。

如果只想对COUNT进行排序，可以将布尔值传递给sort_values函数;如果想对多列进行排序，则必须将布尔数组传递给sort_values函数。sum()函数将提供数据框架中的所有聚合数值总和列，如果只需要特定列，则需要使用方括号指定列名。

MIN，MAX，MEAN，MEDIAN 

最后，来尝试一些常见的统计功能，这些功能对于数据探索非常重要。

由于SQL没有中位数函数，因此将使用BigQuery APPROX_QUANTILES获取年龄中位数。pandas聚合函数.agg()还支持其他函数，例如sum。

拒绝频繁切换，轻松重现查询，你值得拥有!

你可以在我的Github中查看完整的脚本：https://github.com/chingjunetao/medium-article/tree/master/rewrite-sql-with-python