作者 |王伟同学

　　责编|郭芮

　　Pandas是一个非常方便的数据处理、数据分析的类库，也是每个Pythoner 做数据分析必备的神器。但不可否认的是，不是所有的程序员都会Python，也不是所有的Pythoner都会使用Pandas。

　　不过好消息是，借助于pandassql，你可以使用SQL来操作DataFrame。

　　#导入相关库importnumpyasnpimportpandasaspd frompandasqlimportsqldf,load_meat,load_births

　　基础

　　pandasql 中的主要函数是 sqldf，它接收两个参数：

　　一个SQL查询语句；

　　一组会话/环境变量（locals() 或 globals()）。

　　为了方便起见，我们可以定义一个函数来方便我们调用。

　　pysqldf=lambdasql:sqldf(sql,globals())

　　接下来我们导入一些数据。

　　meat=load_meat()meat.head() date beef veal pork lamb_and_mutton broilers other_chicken turkey 1944-01-01 751.0 85.0 1280.0 89.0 NaN NaN NaN 1 1944-02-01 713.0 77.0 1169.0 72.0 NaN NaN NaN 2 1944-03-01 741.0 90.0 1128.0 75.0 NaN NaN NaN 3 1944-04-01 650.0 89.0 978.0 66.0 NaN NaN NaN 4 1944-05-01 681.0 106.0 1029.0 78.0 NaN NaN NaN births=load_births()births.head() date births 1975-01-01 265775 1 1975-02-01 241045 2 1975-03-01 268849 3 1975-04-01 247455 4 1975-05-01 254545

　　查询

　　pandassql 使用的语法是 SQLite 的语法。任何 DataFrame 都会被 pandassql 自动检测到，你可以将它们作为来查询。

　　限定条数

　　先来看下如何去限定数据条数。这里来获取下前两条数据。

　　sql="select*frombirthslimit2"pysqldf(sql) date births 1975-01-01 00:00:00.000000 265775 1 1975-02-01 00:00:00.000000 241045

　　除了可以限定从头开始的前N条数据外，我们还可以设置偏移量。这里来获取下从第二行开始的前两条数据。

　　sql="select*frombirthslimit2offset2" date births 1975-03-01 00:00:00.000000 268849 1 1975-04-01 00:00:00.000000 247455

　　限定字段

　　既然是SQL，我们当然可以限定查询时的所需字段了。这里我们限定只获取指定的births字段。

　　sql="selectbirthsfrombirthslimit2" births 265775 1 241045

　　排序

　　排序功能也是非常常见的，pandassql 完美支持。这里我们按照 date 降序，births 升序来排。

　　sql="select*frombirthsorderbydatedesc,birthsasclimit2" date births 2012-12-01 00:00:00.000000 340995 1 2012-11-01 00:00:00.000000 320195

　　限定查询条件

　　我们可以指定 where 来查询满足要求的数据。这里我们筛选出 turkey 不为空并且 date 在 1974-12-31 之后的数据。

　　sql="""select*frommeatwhereturkeynotnullanddate>'1974-12-31'limit5""" date beef veal pork broilers turkey 2106.0 59.0 1114.0 36.0 646.2 None 64.9 1 1845.0 50.0 954.0 31.0 570.2 None 47.1 2 1891.0 57.0 976.0 35.0 616.6 None 54.4 3 1895.0 60.0 1100.0 34.0 688.3 None 68.7 4 1975-05-01 00:00:00.000000 1849.0 59.0 934.0 31.0 690.1 None 81.9

　　聚合

　　数据分析时，聚合必不可少，pandassql 当然也支持了。这里我们按照年份来分组，然后对 births 求和、求均值、求最大值以及求最小值。

　　selectstrftime('%Y',date)asyear,sum(births),avg(births),max(births),min(births)frombirthsgroupbystrftime('%Y',date)limit3""" year sum(births) avg(births) max(births) 1975 3136965 261413.750000 281300 241045 1 1976 6304156 262673.166667 286496 236551 2 1979 3333279 277773.250000 302805 249898

　　关联

　　关联也是非常常见的操作。这里我们根据字段 date 作为条件来关联 meat 和 births 这两个DataFrame。

　　selectm.date,b.births,m.beeffrommeatminnerjoinbirthsbonm.date=b.dateorderbym.datelimit5;""" date births beef 265775 2106.0 1 241045 1845.0 2 268849 1891.0 3 247455 1895.0 4 254545 1849.0

　　以上是我列举的一些常用功能，除了这些之外，PandasSQL 还支持更多操作，都是基于 SQLite 的语法来完成的，感兴趣的话可以自己研究。

　　声明：本文为公众号 AI派 投稿，版权归对方所有。