工作中，頻繁切換是件麻煩事兒。一些程序員只熟悉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中輕松重現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。

安裝軟件包并下載數據后，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 

最后，來嘗試一些常見的統計功能，這些功能對于數據探索非常重要。

由于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，輕松重現查詢，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

本文轉載自微信公眾號「讀芯術」，可以通過以下二維碼關注。轉載本文請聯系讀芯術公眾號。