本篇文章给大家分享的是有关Pandas中怎么实现SQL查询数据操作，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

1. 选择行

SELECT * FROM

如果要选择整个表，只需调用表的名称：

#SQLSELECT*FROMtable_df#Pandastable_df

SELECT a, b FROM

如果要从表中选择特定列，请在双括号中列出要的列：

#SQLSELECTcolumn_a,column_bFROMtable_df#Pandastable_df[['column_a','column_b']]

SELECT DISTINCT

只需使用 .drop\u duplicates()即可获得不同的值：

#SQLSELECTDISTINCTcolumn_aFROMtable_df#Pandastable_df['column_a'].drop_duplicates()

SELECT a as b

如果要重命名列，请使用 .rename()：

#SQLSELECTcolumn_aasApple,column_basBananaFROMtable_df#Pandastable_df[['column_a','column_b']].rename(columns={'column_a':'Apple','column_b':'Banana'})

SELECT CASE WHEN

对于"SELECT CASE WHEN"的等效项，可以使用 np.select()， 其中首先指定每个选项的选择和值。

#SQLSELECTCASEWHENcolumn_a>30THEN"Large"WHENcolumn_a<=30THEN"Small"ENDASSizeFROMtable_df#Pandasconditions=[table_df['column_a']>30,table_df['column_b']<=30]choices=['Large','Small']table_df['Size']=np.select(conditions,choices)2. 组合表格

INNER/LEFT/RIGHT JOIN

只需使用 .merge()来连接表，就可以使用“how”参数指定它是 LEFT、RIGHT、 INNER 或者 OUTER联接。

#SQLSELECT*FROMtable_1t1LEFTJOINtable_2t1ont1.lkey=t2.rkey#Pandastable_1.merge(table_2,left_on='lkey',right_on='rkey',how='left')

UNION ALL

只需使用 pd.concat()：

#SQLSELECT*FROMtable_1UNIONALLSELECT*FROMtable_2#Pandasfinal_table=pd.concat([table_1,table_2])3. 筛选表

SELECT WHERE

在筛选数据帧时，与在 SQL 中使用 WHERE 子句的方式相同时，只需在方括号中定义条件：

#SQLSELECT*FROMtable_dfWHEREcolumn_a=1#Pandastable_df[table_df['column_a']==1]

SELECT column_a WHERE column_b

如果要从表中选择某个列并筛选其他列，请按照以下格式操作：

#SQLSELECTcolumn_aFROMtable_dfWHEREcolumn_b=1#Pandastable_df[table_df['column_b']==1]['column_a']

SELECT WHERE AND

如果要按多个条件进行筛选，只需将每个条件换在括号中，并使用"&"分隔每个条件。

#SQLSELECT*FROMtable_dfWHEREcolumn_a=1ANDcolumn_b=2#Pandastable_df[(table_df['column_a']==1)&(table_df['column_b']==2)]

SELECT WHERE LIKE

SQL 中的 LIKE 等效项是 .str.contains()。如果要应用大小写不敏感，只需在参数中添加 case=False。

#SQLSELECT*FROMtable_dfWHEREcolumn_aLIKE'%ball%'#Pandastable_df[table_df['column_a'].str.contains('ball')]

SELECT WHERE column IN()

SQL 中 IN() 的等效项为 .isin()。

#SQLSELECT*FROMtable_dfWHEREcolumn_aIN('Canada','USA')#Pandastable_df[table_df['column_a'].isin(['Canada','USA'])]4.排序值

ORDER BY one column

在SQL中，ORDER BY 的等同于 .sort_values()。使用 'ascending' 参数指定是按升序还是降序对值排序，默认值与 SQL 一样升序。

#SQLSELECT*FROMtable_dfORDERBYcolumn_aDESC#Pandastable_df.sort_values('column_a',ascending=False)

ORDER BY multiple columns

如果要按多个列排序，可以列出括号中的列，并在括号中的 “ascending” 参数中指定排序方向。请确保遵循列出的列的相应顺序。

#SQLSELECT*FROMtable_dfORDERBYcolumn_aDESC,column_bASC#Pandastable_df.sort_values(['column_a','column_b'],ascending=[False,True])5.聚合函数

COUNT DISTINCT

聚合函数有一个通用模式。

要复制 COUNT DISTINCT，只需使用 .groupby()和.nunique()。

#SQLSELECTcolumn_a,COUNTDISTINCT(ID)FROMtable_dfGROUPBYcolumn_a#Pandastable_df.groupby('column_a')['ID'].nunique()

SUM

#SQLSELECTcolumn_a,SUM(revenue)FROMtable_dfGROUPBYcolumn_a#Pandastable_df.groupby(['column_a','revenue']).sum()

AVG

#SQLSELECTcolumn_a,AVG(revenue)FROMtable_dfGROUPBYcolumn_a#Pandastable_df.groupby('column_a')['revenue'].mean()

以上就是Pandas中怎么实现SQL查询数据操作，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注亿速云行业资讯频道。