您现在的位置：程式師世界 >> 編程語言 > >> 更多編程語言 >> Python

當 Pandas 遇見 SQL，一個強大的工具庫誕生了

編輯：Python

本文的所有演示數據，均是基於下方的四張表。下面這四張表大家應該不陌生，這就是網傳50道經典MySQL面試題中使用到的幾張原表。關於下方各表之間的關聯關系，我就不給大家說明了，仔細觀察字段名，應該就可以發現。喜歡本文記得收藏、關注、點贊。

注：技術交流、資料獲取，文末見

pandasql簡介

pandas中的DataFrame是一個二維表格，數據庫中的表也是一個二維表格，因此在pandas中使用sql語句就顯得水到渠成，pandasql使用SQLite作為其操作數據庫，同時Python自帶SQLite模塊，不需要安裝，便可直接使用。

這裡有一點需要注意的是：使用pandasql讀取DataFrame中日期格式的列，默認會讀取年月日、時分秒，因此我們要學會使用sqlite中的日期處理函數，方便我們轉換日期格式，下方提供sqlite中常用函數大全，希望對你有幫助。

sqlite函數大全：http://suo.im/5DWraE

導入相關庫：

import pandas as pd
from pandasql import sqldf

聲明全局變量的2種方式

① 在使用之前，聲明該全局變量；

② 一次性聲明好全局變量；

在使用之前，聲明該全局變量

df1 = pd.read_excel("student.xlsx")
df2 = pd.read_excel("sc.xlsx")
df3 = pd.read_excel("course.xlsx")
df4 = pd.read_excel("teacher.xlsx")
global df1
global df2
global df3
global df4
query1 = "select * from df1 limit 5"
query2 = "select * from df2 limit 5"
query3 = "select * from df3"
query4 = "select * from df4"
sqldf(query1)
sqldf(query2)
sqldf(query3)
sqldf(query4)

部分結果如下：

一次性聲明好全局變量

df1 = pd.read_excel("student.xlsx")
df2 = pd.read_excel("sc.xlsx")
df3 = pd.read_excel("course.xlsx")
df4 = pd.read_excel("teacher.xlsx")
pysqldf = lambda q: sqldf(q, globals())
query1 = "select * from df1 limit 5"
query2 = "select * from df2 limit 5"
query3 = "select * from df3"
query4 = "select * from df4"
sqldf(query1)
sqldf(query2)
sqldf(query3)
sqldf(query4)

部分結果如下：

寫幾個簡單的SQL語句

查看sqlite的版本

student = pd.read_excel("student.xlsx")
pysqldf = lambda q: sqldf(q, globals())
query1 = """ select sqlite_version(*) """
pysqldf(query1)

結果如下：

where篩選

student = pd.read_excel("student.xlsx")
pysqldf = lambda q: sqldf(q, globals())
query1 = """ select * from student where strftime('%Y-%m-%d',sage) = '1990-01-01' """
pysqldf(query1)

結果如下：

多表連接

student = pd.read_excel("student.xlsx")
sc = pd.read_excel("sc.xlsx")
pysqldf = lambda q: sqldf(q, globals())
query2 = """ select * from student s join sc on s.sid = sc.sid """
pysqldf(query2)

部分結果如下：

分組聚合

student = pd.read_excel("student.xlsx")
sc = pd.read_excel("sc.xlsx")
pysqldf = lambda q: sqldf(q, globals())
query2 = """ select s.sname as 姓名,sum(sc.score) as 總分 from student s join sc on s.sid = sc.sid group by s.sname """
pysqldf(query2)

結果如下：

union查詢

student = pd.read_excel("student.xlsx")
pysqldf = lambda q: sqldf(q, globals())
query1 = """ select * from student where strftime('%Y-%m',sage) = '1990-01' union select * from student where strftime('%Y-%m',sage) = '1990-12' """
pysqldf(query1)

結果如下：