SQL和Python幾乎是當前數據分析師必須要了解的兩門語言，它們在處理數據時有什么區別?本文將分別用MySQL和pandas來展示七個在數據分析中常用的操作，希望可以幫助掌握其中一種語言的讀者快速了解另一種方法!

[[346689]]

在閱讀本文前，你可以訪問下方網站下載本文使用的示例數據，并導入MySQL與pandas中，一邊敲代碼一邊閱讀!

https://raw.githubusercontent.com/pandas-dev/pandas/master/pandas/tests/io/data/csv/tips.csv

一、選擇

在SQL中，我們可以使用SELECT語句從表選擇數據，結果被存儲在一個結果表中，語法如下：

SELECT column_name,column_name 
FROM table_name; 

如果不想顯示全部的記錄，可以使用TOP或LIMIT來限制行數。因此選擇tips表中的部分列可以使用下面的語句

SELECT total_bill, tip, smoker, time 
FROM tips 
LIMIT 5; 

而在pandas中，我們可以通過將列名列表傳遞給DataFrame來完成列選擇

在SQL中，進行選擇的同時還可以進行計算，比如添加一列

SELECT *, tip/total_bill as tip_rate 
FROM tips 
LIMIT 5; 

在pandas中使用DataFrame.assign()同樣可以完成這個操作

二、查找

1. 單條件查找

在SQL中，WHERE子句用于提取那些滿足指定條件的記錄，語法如下

SELECT column_name,column_name 
FROM table_name 
WHERE column_name operator value; 

比如查找示例數據中time = dinner的記錄

SELECT * 
FROM tips 
WHERE time = 'Dinner' 
LIMIT 5; 

而在pandas中，按照條件進行查找則可以有多種形式，比如可以將含有True/False的Series對象傳遞給DataFrame，并返回所有帶有True的行

2. 多條件查找

在SQL中，進行多條件查找可以使用AND/OR來完成

在pandas中也有類似的操作

3. 查找空值

在pandas檢查空值是使用notna()和isna()方法完成的。

frame[frame['col1'].notna()] 

在SQL中可以使用IS NULL和IS NOT NULL完成

SELECT * 
FROM frame 
WHERE col2 IS NULL; 
 
SELECT * 
FROM frame 
WHERE col1 IS NOT NULL; 

三、更新

在SQL中使用UPDATE

UPDATE tips 
SET tiptip = tip*2 
WHERE tip < 2; 

而在pandas中則有多種方法，比如使用loc函數

tips.loc[tips['tip'] < 2, 'tip'] *= 2 

四、刪除

在SQL中使用DELETE

DELETE FROM tips 
WHERE tip > 9; 

在pandas中，我們選擇應保留的行，而不是刪除它們

tipstips = tips.loc[tips['tip'] <= 9] 

五、分組

在pandas中，使用groupby()方法實現分組。groupby()通常是指一個過程，在該過程中，我們希望將數據集分為幾組，應用某些功能(通常是聚合)，然后將各組組合在一起。

常見的SQL操作是獲取整個數據集中每個組中的記錄數。例如，通過對性別進行分組查詢

SELECT sex, count(*) 
FROM tips 
GROUP BY sex; 

在pandas中的等價操作為

注意，在上面代碼中，我們使用size()而不是count() 這是因為count()將函數應用于每一列，并返回每一列中非空記錄的數量!

六、連接

在pandas可以使用join()或merge()進行連接，每種方法都有參數，可讓指定要執行的聯接類型(LEFT，RIGHT，INNER，FULL)或要聯接的列。

現在讓我們重新創建兩組示例數據，分別用代碼來演示不同的連接

df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 
   ....:                     'value': np.random.randn(4)}) 
   ....:  
 
df2 = pd.DataFrame({'key': ['B', 'D', 'D', 'E'], 
   ....:                     'value': np.random.randn(4)}) 

1. 內連接

內聯接使用比較運算符根據每個表共有的列的值匹配兩個表中的行，在SQL中實現內連接使用INNER JOIN

SELECT * 
FROM df1 
INNER JOIN df2 
  ON df1.key = df2.key; 

在pandas中可以使用merge()

merge()提供了一些參數，可以將一個DataFrame的列與另一個DataFrame的索引連接在一起👇

2. 左/右外聯接

在SQL中實現左/右外連接可以使用LEFT OUTER JOIN和RIGHT OUTER JOIN

SELECT * 
FROM df1 
LEFT OUTER JOIN df2 
  ON df1.key = df2.key; 
   
SELECT * 
FROM df1 
RIGHT OUTER JOIN df2 
  ON df1.key = df2.key; 

在pandas中實現同樣可以使用merge()并指定how關鍵字為left或者right即可

3. 全連接

全連接返回左表和右表中的所有行，無論是否匹配，但并不是所有的數據庫都支持，比如mysql就不支持，在SQL中實現全連接可以使用FULL OUTER JOIN

SELECT * 
FROM df1 
FULL OUTER JOIN df2 
  ON df1.key = df2.key; 

在pandas中實現同樣可以使用merge()并指定how關鍵字為outer

七、合并

SQL中UNION操作用于合并兩個或多個SELECT語句的結果集，UNION與UNION ALL類似，但是UNION將刪除重復的行。示例代碼如下

SELECT city, rank 
FROM df1 
UNION ALL 
SELECT city, rank 
FROM df2; 
/* 
         city  rank 
      Chicago     1 
San Francisco     2 
New York City     3 
      Chicago     1 
       Boston     4 
  Los Angeles     5 
*/ 

在pandas中可以使用concat()實現UNION ALL

上面是UNION ALL保留重復值，如果希望刪除可以使用 drop_duplicates()

以上就是本文的全部內容，可以看到在不同的場景下不同的語言有著不同的特性，如果你想深入學習了解可以進一步查閱官方文檔并多加練習!