介绍
SQL的神奇之处在于它容易学习，而它容易学习的原因是代码语法非常直观。
另一方面，Pandas不是那么直观，特别是如果像我一样首先从SQL开始。
就我个人而言，我发现真正有用的是思考如何在SQL中操作数据，然后在Pandas中复制它。所以如果你想更加精通Pandas，我强烈建议你也采用这种方法。
因此，本文可以作为一个备查表、字典、指南，无论你想怎么称呼它，这样你在使用Pandas时就可以参考它。
说了这么多，让我们开始吧!
内容
选择行
结合表
条件过滤
根据值进行排序
聚合函数
选择行
SELECT * FROM
如果你想要选择整个表，只需调用表的名称:
#SQLSELECT*FROMtable_df#Pandastable_dfSELECTa, bFROM
如果你想从一个表中选择特定的列，列出你想要的列在双括号中:
#SQLSELECTcolumn_a, column_bFROMtable_df#Pandastable_df[['column_a', 'column_b']] SELECTDISTINCT
简单地使用.drop_duplicates()获取不同的值:
#SQLSELECTDISTINCTcolumn_aFROMtable_df#Pandastable_df['column_a'].drop_duplicates() SELECTaasb
如果你想重命名一个列，使用.rename():
#SQLSELECTcolumn_aasApple, column_basBananaFROMtable_df#Pandastable_df[['column_a', 'column_b']].rename(columns={'column_a': 'Apple', 'column_b':'Banana'}) SELECTCASEWHEN
对于等价于SELECT CASE WHEN的情况，您可以使用np.select()，其中首先指定您的选择和每个选择的值。
#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)
组合表
INNER/LEFT/RIGHT JOIN
只需使用.merge()连接表，就可以使用“how”参数指定它是左连接、右连接、内连接还是外连接。
#SQLSELECT*FROMtable_1t1LEFTJOINtable_2t1ont1.lkey=t2.rkey#Pandastable_1.merge(table_2, left_on='lkey', right_on='rkey', how='left') UNIONALL使用pd.concat (): #SQLSELECT*FROMtable_1UNIONALLSELECT*FROMtable_2#Pandasfinal_table=pd.concat([table_1, table_2])
条件过滤
SELECT WHERE
当你用SQL中WHERE子句的方式过滤数据流时，你只需要在方括号中定义标准:
#SQLSELECT*FROMtable_dfWHEREcolumn_a=1#Pandastable_df[table_df['column_a'] ==1] SELECTcolumn_aWHEREcolumn_b
当你想从一个表中选择一个特定的列并用另一个列过滤它时，遵循以下格式：
#SQLSELECTcolumn_aFROMtable_dfWHEREcolumn_b=1#Pandastable_df[table_df['column_b']==1]['column_a'] SELECTWHEREAND
如果您希望通过多个条件进行筛选，只需将每个条件用圆括号括起来，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)] SELECTWHERELIKE
相当于SQL中的LIKE的是.str.contains()。如果您想应用大小写不敏感，只需在参数中添加
case=False。#SQLSELECT*FROMtable_dfWHEREcolumn_aLIKE'%ball%'#Pandastable_df[table_df['column_a'].str.contains('ball')] SELECTWHEREcolumnIN()
SQL中的IN()等价于.isin()
#SQLSELECT*FROMtable_dfWHEREcolumn_aIN('Canada', 'USA') #Pandastable_df[table_df['column_a'].isin(['Canada', 'USA'])]
根据值进行排序
ORDER BY 单列
SQL中的ORDER BY等价于.sort_values()。使用“ascending”参数指定是按升序排序还是按降序排序——默认情况下像SQL一样是升序排序。
#SQLSELECT*FROMtable_dfORDERBYcolumn_aDESC#Pandastable_df.sort_values('column_a', ascending=False)
ORDER BY 多列
如果您希望按多个列排序，请列出方括号中的列，并在方括号中的' ascending '参数中指定排序的方向。
#SQLSELECT*FROMtable_dfORDERBYcolumn_aDESC, column_bASC#Pandastable_df.sort_values(['column_a', 'column_b'], ascending=[False, True])
聚合函数
COUNT DISTINCT
请注意聚合函数的一种常见模式。
要使用DISTINCT计数，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()
总结
希望在使用Pandas处理数据时，本文可以作为有用的指南。不要觉得你必须记住所有这些!当我和Pandas一起工作时，我经常会回想到这一点。
如果能够通过足够的练习，你将对Pandas感到更舒适，并充分理解其潜在机制，而不需要依赖于像这样的备记单。
一如既往，祝你编码快乐!:)
