全文共1459字，預計學習時長4分鐘
工作中，頻繁切換是件麻煩事兒。一些程式設計師只熟悉SQL中的數據操作，卻不熟悉Python中的數據操作，因此在完成項目時，我們不得不頻繁地在SQL和Python之間進行切換，導致了工作效率低下和生產能力下降。
本文就教你一種方法，使用Pandas在Python中輕鬆重現SQL結果。
入門指南
如果電腦中沒有pandas包，則需要先安裝一下：
Conda install pandas
在這個階段，我們將使用著名的Kaggle泰坦尼克數據集：https://www.kaggle.com/c/titanic/data?select=test.csv。
安裝軟體包並下載數據後，需要將其導入Python環境中：
import pandas as pd
titanic_df = pd.read_csv("titanic_test_data.csv")
我們將使用pandas數據框架來存儲數據，還將用到各種pandas函數來操作數據框架。
SELECT, DISTINCT, COUNT, LIMIT
讓我們從經常使用的簡單SQL查詢開始。
titanic_df [「 age」]。unique（）將在此處返回唯一值的數組，因此需要使用len（）來獲取唯一值的計數。
SELECT，WHERE，OR，AND，IN（有條件選擇）
現在你知道了如何以簡單的方式探索數據框架，接著來嘗試一些條件吧（在SQL中是WHERE子句）。
如果只想從數據框架中選擇特定的列，則可以使用另一對方括號進行選擇。注意，如果要選擇多列，則需要在方括號內放置數組[「 name」，「 age」]。
isin（）與SQL中的IN完全相同。要使用NOT IN，需要在Python中使用negation（）來獲得相同的結果。
GROUP BY，ORDER BY，COUNT
GROUP BY和ORDER BY也是用來探索數據的流行SQL，讓我們在Python中嘗試一下。
如果只想對COUNT進行排序，可以將布爾值傳遞給sort_values函數；如果想對多列進行排序，則必須將布爾數組傳遞給sort_values函數。sum（）函數將提供數據框架中的所有聚合數值總和列，如果只需要特定列，則需要使用方括號指定列名。
MIN，MAX，MEAN，MEDIAN
最後，來嘗試一些常見的統計功能，這些功能對於數據探索非常重要。
由於SQL沒有中位數函數，因此將使用BigQuery APPROX_QUANTILES獲取年齡中位數。pandas聚合函數.agg（）還支持其他函數，例如sum。
拒絕頻繁切換，輕鬆重現查詢，你值得擁有！
你可以在我的Github中查看完整的腳本：https://github.com/chingjunetao/medium-article/tree/master/rewrite-sql-with-python
留言點讚關注
我們一起分享AI學習與發展的乾貨
如轉載，請後臺留言，遵守轉載規範