SQL和Python幾乎是當前數據分析師必須要了解的兩門語言，它們在處理數據時有什么區別？本文將分別用MySQL和pandas來展示七個在數據分析中常用的操作，希望可以幫助掌握其中一種語言的讀者快速了解另一種方法！

在閱讀本文前，你可以訪問下方網站下載本文使用的示例數據，并導入MySQL與pandas中，一邊敲代碼一邊閱讀！

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

? 一、選擇

在SQL中，我們可以使用SELECT語句從表選擇數據，結果被存儲在一個結果表中，語法如下：

SELECT?column_name,column_name FROM?table_name;

如果不想顯示全部的記錄，可以使用TOP或LIMIT來限制行數。因此選擇tips表中的部分列可以使用下面的語句

SELECT?total_bill,?tip,?smoker,?time FROM?tips LIMIT?5;

而在pandas中，我們可以通過將列名列表傳遞給DataFrame來完成列選擇在SQL中，進行選擇的同時還可以進行計算，比如添加一列

SELECT?*,?tip/total_bill?as?tip_rate FROM?tips LIMIT?5;

在pandas中使用DataFrame.assign()同樣可以完成這個操作

? 二、查找

單條件查找

在SQL中，WHERE子句用于提取那些滿足指定條件的記錄，語法如下

SELECT?column_name,column_name FROM?table_name WHERE?column_name?operator?value;

比如查找示例數據中time = dinner的記錄

SELECT?* FROM?tips WHERE?time?=?'Dinner' LIMIT?5;

而在pandas中，按照條件進行查找則可以有多種形式，比如可以將含有True/False的Series對象傳遞給DataFrame，并返回所有帶有True的行

多條件查找

在SQL中，進行多條件查找可以使用AND/OR來完成

SELECT?* FROM?tips WHERE?time?=?'Dinner'?AND?tip?>?5.00;

在pandas中也有類似的操作

查找空值

在pandas檢查空值是使用notna()和isna()方法完成的。

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

在SQL中可以使用IS NULL和IS NOT NULL完成

SELECT?* FROM?frame WHERE?col2?IS?NULL;SELECT?* FROM?frame WHERE?col1?IS?NOT?NULL;

? 三、更新

在SQL中使用UPDATE

UPDATE?tips SET?tip?=?tip*2 WHERE?tip?<?2;

而在pandas中則有多種方法，比如使用loc函數

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

? 四、刪除

在SQL中使用DELETE

DELETE?FROM?tips WHERE?tip?>?9;

在pandas中，我們選擇應保留的行，而不是刪除它們

tips?=?tips.loc[tips['tip']?<=?9]

? 五、分組

在pandas中，使用groupby()方法實現分組。groupby()通常是指一個過程，在該過程中，我們希望將數據集分為幾組，應用某些功能(通常是聚合)，然后將各組組合在一起。

常見的SQL操作是獲取整個數據集中每個組中的記錄數。例如，通過對性別進行分組查詢

SELECT?sex,?count(*) FROM?tips GROUP?BY?sex;

在pandas中的等價操作為注意，在上面代碼中，我們使用size()而不是count() 這是因為count()將函數應用于每一列，并返回每一列中非空記錄的數量！

? 六、連接

在pandas可以使用join()或merge()進行連接，每種方法都有參數，可讓指定要執行的聯接類型(LEFT，RIGHT，INNER，FULL)或要聯接的列。

現在讓我們重新創建兩組示例數據，分別用代碼來演示不同的連接

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

內連接

內聯接使用比較運算符根據每個表共有的列的值匹配兩個表中的行，在SQL中實現內連接使用INNER JOIN

SELECT?* FROM?df1 INNER?JOIN?df2ON?df1.key?=?df2.key;

在pandas中可以使用merge()merge()提供了一些參數，可以將一個DataFrame的列與另一個DataFrame的索引連接在一起????

左/右外聯接

在SQL中實現左/右外連接可以使用LEFT OUTER JOIN和RIGHT OUTER JOIN

SELECT?* FROM?df1 LEFT?OUTER?JOIN?df2ON?df1.key?=?df2.key;SELECT?* FROM?df1 RIGHT?OUTER?JOIN?df2ON?df1.key?=?df2.key;

在pandas中實現同樣可以使用merge()并指定how關鍵字為left或者right即可

全連接

全連接返回左表和右表中的所有行，無論是否匹配，但并不是所有的數據庫都支持，比如mysql就不支持，在SQL中實現全連接可以使用FULL OUTER JOIN

SELECT?* FROM?df1 FULL?OUTER?JOIN?df2ON?df1.key?=?df2.key;

在pandas中實現同樣可以使用merge()并指定how關鍵字為outer

? 七、合并

SQL中UNION操作用于合并兩個或多個SELECT語句的結果集，UNION與UNION ALL類似，但是UNION將刪除重復的行。示例代碼如下

SELECT?city,?rank FROM?df1 UNION?ALL SELECT?city,?rank FROM?df2; /*city??rankChicago?????1 San?Francisco?????2 New?York?City?????3Chicago?????1Boston?????4Los?Angeles?????5 */

在pandas中可以使用concat()實現UNION ALL

上面是UNION ALL保留重復值，如果希望刪除可以使用 ?drop_duplicates()

以上就是本文的全部內容，可以看到在不同的場景下不同的語言有著不同的特性，如果你想深入學習了解可以進一步查閱官方文檔并多加練習！

-END-

來源：pandas官方文檔

h?????????????????ttps://pandas.pydata.org/docs/getting_started/comparison/comparison_with_sql.html

編譯：劉早起（有刪改）

由于微信平臺算法改版，公號內容將不再以時間排序展示，如果大家想第一時間看到我們的推送，強烈建議星標我們和給我們多點點【在看】。星標具體步驟為：

（1）點擊頁面最上方“小詹學Python”，進入公眾號主頁。 （2）點擊右上角的小點點，在彈出頁面點擊“設為星標”，就可以啦。 感謝支持，比心。

總結

以上是生活随笔為你收集整理的入门数据分析选择Python还是SQL？七个常用操作对比！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。