2020年入门数据分析选择Python还是SQL?七个常用操作对比!

SQL和Python几乎是当前数据分析师必须要了解的两门语言,它们在处理数据时有什么区别?本文将分别用MySQL和pandas来展示七个在数据分析中常用的操作,希望可以帮助掌握其中一种语言的读者快速了解另一种方法!

成都创新互联公司专业提供电信机房托管服务,为用户提供五星数据中心、电信、双线接入解决方案,用户可自行在线购买电信机房托管服务,并享受7*24小时金牌售后服务。

在阅读本文前,你可以访问下方网站下载本文使用的示例数据,并导入MySQL与pandas中,一边敲代码一边阅读!

https://raw.githubusercontent.com/pandas-dev/pandas/master/pandas/tests/io/data/csv/tips.csv

一、选择

在SQL中,我们可以使用SELECT语句从表选择数据,结果被存储在一个结果表中,语法如下:

 
 
 
 
  1. SELECT column_name,column_name
  2. FROM table_name;

如果不想显示全部的记录,可以使用TOP或LIMIT来限制行数。因此选择tips表中的部分列可以使用下面的语句

 
 
 
 
  1. SELECT total_bill, tip, smoker, time
  2. FROM tips
  3. LIMIT 5;

而在pandas中,我们可以通过将列名列表传递给DataFrame来完成列选择

在SQL中,进行选择的同时还可以进行计算,比如添加一列

 
 
 
 
  1. SELECT *, tip/total_bill as tip_rate
  2. FROM tips
  3. LIMIT 5;

在pandas中使用DataFrame.assign()同样可以完成这个操作

二、查找

1. 单条件查找

在SQL中,WHERE子句用于提取那些满足指定条件的记录,语法如下

 
 
 
 
  1. SELECT column_name,column_name
  2. FROM table_name
  3. WHERE column_name operator value;

比如查找示例数据中time = dinner的记录

 
 
 
 
  1. SELECT *
  2. FROM tips
  3. WHERE time = 'Dinner'
  4. LIMIT 5;

而在pandas中,按照条件进行查找则可以有多种形式,比如可以将含有True/False的Series对象传递给DataFrame,并返回所有带有True的行

2. 多条件查找

在SQL中,进行多条件查找可以使用AND/OR来完成

在pandas中也有类似的操作

3. 查找空值

在pandas检查空值是使用notna()和isna()方法完成的。

 
 
 
 
  1. frame[frame['col1'].notna()]

在SQL中可以使用IS NULL和IS NOT NULL完成

 
 
 
 
  1. SELECT *
  2. FROM frame
  3. WHERE col2 IS NULL;
  4. SELECT *
  5. FROM frame
  6. WHERE col1 IS NOT NULL;

三、更新

在SQL中使用UPDATE

 
 
 
 
  1. UPDATE tips
  2. SET tiptip = tip*2
  3. WHERE tip < 2;

而在pandas中则有多种方法,比如使用loc函数

 
 
 
 
  1. tips.loc[tips['tip'] < 2, 'tip'] *= 2

四、删除

在SQL中使用DELETE

 
 
 
 
  1. DELETE FROM tips
  2. WHERE tip > 9;

在pandas中,我们选择应保留的行,而不是删除它们

 
 
 
 
  1. tipstips = tips.loc[tips['tip'] <= 9]

五、分组

在pandas中,使用groupby()方法实现分组。groupby()通常是指一个过程,在该过程中,我们希望将数据集分为几组,应用某些功能(通常是聚合),然后将各组组合在一起。

常见的SQL操作是获取整个数据集中每个组中的记录数。例如,通过对性别进行分组查询

 
 
 
 
  1. SELECT sex, count(*)
  2. FROM tips
  3. GROUP BY sex;

在pandas中的等价操作为

注意,在上面代码中,我们使用size()而不是count() 这是因为count()将函数应用于每一列,并返回每一列中非空记录的数量!

六、连接

在pandas可以使用join()或merge()进行连接,每种方法都有参数,可让指定要执行的联接类型(LEFT,RIGHT,INNER,FULL)或要联接的列。

现在让我们重新创建两组示例数据,分别用代码来演示不同的连接

 
 
 
 
  1. df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'],
  2.    ....:                     'value': np.random.randn(4)})
  3.    ....: 
  4. df2 = pd.DataFrame({'key': ['B', 'D', 'D', 'E'],
  5.    ....:                     'value': np.random.randn(4)})

1. 内连接

内联接使用比较运算符根据每个表共有的列的值匹配两个表中的行,在SQL中实现内连接使用INNER JOIN

 
 
 
 
  1. SELECT *
  2. FROM df1
  3. INNER JOIN df2
  4.   ON df1.key = df2.key;

在pandas中可以使用merge()

merge()提供了一些参数,可以将一个DataFrame的列与另一个DataFrame的索引连接在一起

2. 左/右外联接

在SQL中实现左/右外连接可以使用LEFT OUTER JOIN和RIGHT OUTER JOIN

 
 
 
 
  1. SELECT *
  2. FROM df1
  3. LEFT OUTER JOIN df2
  4.   ON df1.key = df2.key;
  5.   
  6. SELECT *
  7. FROM df1
  8. RIGHT OUTER JOIN df2
  9.   ON df1.key = df2.key;

在pandas中实现同样可以使用merge()并指定how关键字为left或者right即可

3. 全连接

全连接返回左表和右表中的所有行,无论是否匹配,但并不是所有的数据库都支持,比如mysql就不支持,在SQL中实现全连接可以使用FULL OUTER JOIN

 
 
 
 
  1. SELECT *
  2. FROM df1
  3. FULL OUTER JOIN df2
  4.   ON df1.key = df2.key;

在pandas中实现同样可以使用merge()并指定how关键字为outer

七、合并

SQL中UNION操作用于合并两个或多个SELECT语句的结果集,UNION与UNION ALL类似,但是UNION将删除重复的行。示例代码如下

 
 
 
 
  1. SELECT city, rank
  2. FROM df1
  3. UNION ALL
  4. SELECT city, rank
  5. FROM df2;
  6. /*
  7.          city  rank
  8.       Chicago     1
  9. San Francisco     2
  10. New York City     3
  11.       Chicago     1
  12.        Boston     4
  13.   Los Angeles     5
  14. */

在pandas中可以使用concat()实现UNION ALL

上面是UNION ALL保留重复值,如果希望删除可以使用 drop_duplicates()

以上就是本文的全部内容,可以看到在不同的场景下不同的语言有着不同的特性,如果你想深入学习了解可以进一步查阅官方文档并多加练习!

网页题目:2020年入门数据分析选择Python还是SQL?七个常用操作对比!
本文链接:http://www.36103.cn/qtweb/news38/30338.html

网站建设、网络推广公司-创新互联,是专注品牌与效果的网站制作,网络营销seo公司;服务项目有等

广告

声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联