數(shù)據(jù)分析

Author：louwill

Machine Learning Lab

? ? ?

作為一名數(shù)據(jù)分析師o(wú)r算法工程師，利用SQL熟練的取數(shù)是一項(xiàng)必備的基礎(chǔ)能力。除了SQL以外，Python的pandas也為我們提供了SQL的大多數(shù)功能。筆者對(duì)SQL和pandas相關(guān)數(shù)據(jù)操作的對(duì)照功能進(jìn)行了整理。可以說(shuō)是非常實(shí)用了。

標(biāo)準(zhǔn)的SQL查詢語(yǔ)法如下：

select?(distinct)?[字段] from?[表1]?join?[表2] on [匹配字段] where [過(guò)濾條件] group by [字段] having?[過(guò)濾條件] order by [字段] desc limit?[個(gè)數(shù)]?offset?[個(gè)數(shù)]

我們以2018-19賽季部分NBA一些球星的數(shù)據(jù)為例進(jìn)行說(shuō)明。該數(shù)據(jù)在pandas和MySQL中分別樣式分別如下：

SQL的增刪改查最主要的還是查詢方法。我們先從查詢方法開始。

select：選擇球員、球隊(duì)和場(chǎng)均得分三列：

distinct:?查看這些球員都有哪幾種球場(chǎng)位置：

count：統(tǒng)計(jì)樣本量

分類值統(tǒng)計(jì)：

連續(xù)值描述性統(tǒng)計(jì)：

where：

單條件：查找屬于得分后衛(wèi)的球員：

多條件：查找屬于得分后衛(wèi)且得分大于27分的球員：

in/not in?查找：

order by?排序語(yǔ)句：

對(duì)球員得分進(jìn)行排序：

limit/offset語(yǔ)句：

對(duì)球員得分排序后取前三或者第二到第四

group by語(yǔ)句：

求每個(gè)位置球員的平均得分并降序排序：

having子句：

求每個(gè)位置球員的平均得分并篩選大于26分的記錄：

多表聯(lián)立查詢：inner join/outer(left right) join/union

給出新表如下：

inner join：

left join:

right join:

union:

主要的查詢部分對(duì)照完了之后，我們?cè)賮?lái)看SQL和pandas中的增刪改方法。

SQL中創(chuàng)建表、修改表、插入表和刪除表的語(yǔ)句如下表所示：

上述四種方法與之對(duì)應(yīng)的pandas寫法如下：

參考資料：

https://pandas.pydata.org/pandas-docs/stable/getting_started/comparison/comparison_with_sql.html

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線手冊(cè)深度學(xué)習(xí)筆記專輯《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專輯 本站知識(shí)星球“黃博的機(jī)器學(xué)習(xí)圈子”（92416895） 本站qq群704220115。 加入微信群請(qǐng)掃碼：

總結(jié)

以上是生活随笔為你收集整理的【数据分析】pandas增删改查！sql2pandas方法手册的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。