Python Pandas可以像SQL那样，进行数据筛选统计

相对于学习Pandas各种数据筛选操作，可像SQL语法显得更加简洁清晰，样进若能够将SQL语法与Pandas中对应的行数选统函数的使用方法关联起来，对于我们应用Pandas进行数据筛选来讲无疑是据筛计一个福音。

本文通过Pandas实现SQL语法中条件过滤、可像排序、样进关联、行数选统合并、据筛计更新、可像删除等简单及复杂操作，样进使得我们对方法的行数选统理解更加深刻，更加得心应手。据筛计

演示数据集

本文采用安德森鸢尾花卉(iris)数据集进行演示，可像iris数据集包含150个样本，样进对应数据集的行数选统每行数据。每行数据包含每个样本的四个特征和样本的类别信息，因此iris数据集是一个150行*5列的二维表。

我们可以 UCI Iris dataset 获取或者使用 from sklearn.datasets import load_iris 方式获取，为了演示方便我们只取其中10行数据，如下： 

接下来，就让我们一起学习一下，如何Pandas实现SQL语法中条件过滤、排序、关联、合并、亿华云更新、删除等数据查询操作。

字段查询 SELECT

SELECT sl, sw, pl, pw FROM iris LIMIT 2; 

如上SQL实现返回每行记录的 sl,sw,pl,pw 字段，仅返回2行记录。我们使用Pandas实现如上SQL的功能，代码如下： 

import pandas as pd iris = pd.read_excel(io="iris.xlsx",               sheet_name=iris,               usecols=["sl", "sw", "pl", "pw", "classes"]) search = iris[["sl", "sw", "pl", "pw"]].head(2) print(search) # 执行上述代码，输出结果为：     sl   sw   pl   pw 0  5.1  3.5  1.4  0.2 1  4.9  3.0  1.4  0.2 

简单的条件过滤查询 WHERE

SELECT * FROM iris WHERE classes = 1 LIMIT 2; 

如上SQL实现了查询满足classes=1的记录，并返回2行。我们使用Pandas实现该SQL，代码如下： 

import pandas as pd iris = pd.read_excel(io="iris.xlsx",               sheet_name=iris,               usecols=["sl", "sw", "pl", "pw", "classes"]) search = iris[iris["classes"]==1].head(2) print(search) # 执行上述代码，输出结果为：     sl   sw   pl   pw  classes 3  6.8  2.8  4.8  1.4        1 4  6.7  3.0  5.0  1.7        1 

多条件的与或过滤查询 WHERE AND|OR

与关系 &

SELECT * FROM iris WHERE classes = 1 AND pl >= 5 LIMIT 2; 

如上SQL实现查询同时满足classes=1 和 pl >=5 两个条件的记录，并返回2行。我们使用Pandas实现该SQL，代码如下： 

import pandas as pd iris = pd.read_excel(io="iris.xlsx",                      sheet_name=iris,                      usecols=["sl", "sw", "pl", "pw", "classes"]) search = iris[     (iris["classes"] == 1) &               (iris["pl"] >= 5)               ].head(2) print(search) # 执行上述代码，输出结果为：     sl   sw   pl   pw  classes 4  6.7  3.0  5.0  1.7        1 

或关系 |

SELECT * FROM iris WHERE sl >= 5 OR pl >=5 LIMIT 2; 

如上SQL实现查询满足 sl >=5 或者 pl >=5 任一条件的记录，返回2行。我们使用Pandas实现该SQL，代码如下： 

import pandas as pd iris = pd.read_excel(io="iris.xlsx",                      sheet_name=iris,                      usecols=["sl", "sw", "pl", "pw", "classes"]) search = iris[     (iris["sl"] >= 5) |               (iris["pl"] >= 5)               ].head(2) print(search) # 执行上述代码，输出结果为：     sl   sw   pl   pw  classes 0  5.1  3.5  1.4  0.2        0 2  5.4  3.9  1.7  0.4        0 

条件过滤 空值判断

空判断 is null

SELECT * FROM iris WHERE sl IS NULL; 

如上SQL实现查询 sl 字段为NULL的记录，我们使用Pandas实现该SQL，代码如下： 

import pandas as pd iris = pd.read_excel(io="iris.xlsx",                      sheet_name=iris,                      usecols=["sl", "sw", "pl", "pw", "classes"]) search = iris[iris["sl"].isna()] print(search) 

非空判断 is not null

SELECT * FROM iris WHERE sl IS NOT NULL; 

如上SQL实现查询sl字段不为 NULL 的记录。我们使用Pandas实现该SQL，代码如下： 

import pandas as pd iris = pd.read_excel(io="iris.xlsx",                      sheet_name=iris,                      usecols=["sl", "sw", "pl", "pw", "classes"]) search = iris[iris["sl"].notna()] print(search) # 执行上述代码，输出结果为：     sl   sw   pl   pw  classes 0  5.1  3.5  1.4  0.2        0 1  4.9  3.0  1.4  0.2        0 2  5.4  3.9  1.7  0.4        0 3  6.8  2.8  4.8  1.4        1 4  6.7  3.0  5.0  1.7        1 5  6.0  2.9  4.5  1.5        1 6  5.6  2.8  4.9  2.0        2 7  7.7  2.8  6.7  2.0        2 8  6.3  2.7  4.9  1.8        2 9  6.7  3.3  5.7  2.1        2 

排序 ORDER BY ASC|DESC

SELECT * FROM iris WHERE sl >= 6 ORDER BY DESC classes; 

如上SQL实现将满足sl字段值大于等于5的网站模板记录，按照classes降序排序。我们使用Pandas实现该SQL，代码如下： 

import pandas as pd iris = pd.read_excel(io="iris.xlsx",                      sheet_name=iris,                      usecols=["sl", "sw", "pl", "pw", "classes"]) search = iris[(iris["sl"] >= 6)].sort_values(                                  by="classes", ascending=False) print(search) # 执行上述代码，输出结果为：     sl   sw   pl   pw  classes 7  7.7  2.8  6.7  2.0        2 8  6.3  2.7  4.9  1.8        2 9  6.7  3.3  5.7  2.1        2 3  6.8  2.8  4.8  1.4        1 4  6.7  3.0  5.0  1.7        1 5  6.0  2.9  4.5  1.5        1 

更新 UPDATE

UPDATE iris SET classes = 2 WHERE pw = 1.7 AND pl >= 5; 

如上SQL实现将同时满足pw = 1.7 和 pl >= 5的记录中的classes字段值更新为2。我们使用Pandas实现该SQL，代码如下： 

import pandas as pd iris = pd.read_excel(io="iris.xlsx",                      sheet_name=iris,                      usecols=["sl", "sw", "pl", "pw", "classes"]) iris.loc[(iris["pw"] == 1.7) & (iris["pl"] >= 5), "classes"] = 2 print(iris[iris["pw"] == 1.7]) # 执行上述代码，输出结果为：     sl   sw   pl   pw  classes 4  6.7  3.0  5.0  1.7        2 

分组统计 GROUP BY

SELECT classes, COUNT(*) FROM iris GROUP BY classes; 

如上SQL实现 根据classes进行分组，返回classes 及每组数量。我们使用Pandas实现该SQL，代码如下： 

import pandas as pd iris = pd.read_excel(io="iris.xlsx",                      sheet_name=iris,                      usecols=["sl", "sw", "pl", "pw", "classes"]) count = iris.groupby("classes").size() print(count) # 执行上述代码，输出结果为： classes 0    3 1    3 2    4 dtype: int64 

分组统计 聚合输出

SELECT classes, avg(pl), max(sl) FROM iris GROUP BY classes; 

如何SQL实现根据classes进行分组，返回classes值，每个分组的pl平均值以及每个分组的sl最大值。我们使用Pandas实现该SQL，代码如下： 

import pandas as pd import numpy as np iris = pd.read_excel(io="iris.xlsx",                      sheet_name=iris,                      usecols=["sl", "sw", "pl", "pw", "classes"]) search = iris.groupby("classes").agg(                                 { "sl":np.max, "pl":np.mean}) print(search) # 执行上述代码，输出结果为：           sl        pl classes                0        5.4  1.500000 1        6.8  4.766667 2        7.7  5.550000 

删除

DELETE FROM iris WHERE pw = 1.7 AND pl >=5; 

如上SQL实现将同时满足pw = 1.7 和 pl >= 5的记录删除。我们使用Pandas实现该SQL，代码如下： 

import pandas as pd iris = pd.read_excel(io="iris.xlsx",                      sheet_name=iris,                      usecols=["sl", "sw", "pl", "pw", "classes"]) drop = iris.drop(iris[(iris["pw"] == 1.7) &                        (iris["pl"] >= 5)].index) print(drop[drop["pw"] > 1.6]) # 执行上述代码，输出结果为：     sl   sw   pl   pw  classes 6  5.6  2.8  4.9  2.0        2 7  7.7  2.8  6.7  2.0        2 8  6.3  2.7  4.9  1.8        2 9  6.7  3.3  5.7  2.1        2 

UNION & JOIN 演示数据集

接下来介绍如何使用Pandas进行合并查询及多表关联查询，为了演示方便，我们上面示例中的iris数据集，拆分成iris_a，iris_b两部分，如下： 

UNION 合并查询

合并结果 UNION ALL 可能存在重复记录

合并如下两个 SELECT 语句的结果集，需注意，源码库UNION ALL 内部的 SELECT 语句必须拥有相同数量的列，列也必须拥有相似的数据类型。同时，每条 SELECT 语句中的列的顺序必须相同。 

SELECT * FROM iris_a WHERE classes = 1 UNION ALL SELECT * FROM iris_b WHERE classes = 1 ; 

如上SQL实现将两个查询结果进行合并，允许存在重复记录。我们使用 pandas.concat 方法实现该SQL，代码如下： 

import pandas as pd iris_a = pd.read_excel(io="iris.xlsx",                      sheet_name=iris_a,                      usecols=["sl", "sw", "pl", "pw", "classes"]) iris_b = pd.read_excel(io="iris.xlsx",                      sheet_name=iris_b,                      usecols=["sl", "sw", "pl", "pw", "classes"]) data = pd.concat(     [iris_a[iris_a["classes"] == 1], iris_b[iris_b["classes"] == 1]]) print(data) # 执行上述代码，输出结果为：     sl   sw   pl   pw  classes 3  6.8  2.8  4.8  1.4        1 4  6.7  3.0  5.0  1.7        1 0  6.7  3.0  5.0  1.7        1 1  6.0  2.9  4.5  1.5        1 

合并结果 UNION 不存在重复记录

合并如下两个 SELECT 语句的结果集，同时也需注意，UNION 内部的 SELECT 语句必须拥有相同数量的列，列也必须拥有相似的数据类型。同时，每条 SELECT 语句中的列的顺序必须相同。 

SELECT * FROM iris_a WHERE classes = 1 UNION SELECT * FROM iris_b WHERE classes = 1 ; 

如上SQL实现将两个select查询结果进行合并，不允许存在重复记录。我们使用 pandas.concat.drop_duplicates 方法 实现该SQL，代码如下： 

import pandas as pd iris_a = pd.read_excel(io="iris.xlsx",                      sheet_name=iris_a,                      usecols=["sl", "sw", "pl", "pw", "classes"]) iris_b = pd.read_excel(io="iris.xlsx",                      sheet_name=iris_b,                      usecols=["sl", "sw", "pl", "pw", "classes"]) data = pd.concat(     [iris_a[iris_a["classes"] == 1],      iris_b[iris_b["classes"] == 1]]).drop_duplicates() print(data) # 执行上述代码，输出结果为：     sl   sw   pl   pw  classes 3  6.8  2.8  4.8  1.4        1 4  6.7  3.0  5.0  1.7        1 1  6.0  2.9  4.5  1.5        1 

JOIN 连接查询

同样，我们依旧使用如上演示数据，如下： 

内连接 INNER JOIN

获取iris_a，iris_b两个表中classes字段相同的记录，并返回满足条件的两张表中的所有记录。 

SELECT * FROM iris_a  INNER JOIN iris_b  ON iris_a.classes = iris_b.classes; 

如上SQL实现iris_a 与 iris_b 按照classes字段进行内连接。我们使用 pandas.merge(iris_a, iris_b, on=classes) 实现该SQL，代码如下： 

import pandas as pd iris_a = pd.read_excel(io="iris.xlsx",                      sheet_name=iris_a,                      usecols=["sl", "sw", "pl", "pw", "classes"]) iris_b = pd.read_excel(io="iris.xlsx",                      sheet_name=iris_b,                      usecols=["sl", "sw", "pl", "pw", "classes"]) inner = pd.merge(iris_a, iris_b, on="classes") print(inner) # 执行上述代码，输出结果为：    sl_x  sw_x  pl_x  pw_x  classes  sl_y  sw_y  pl_y  pw_y 0   6.8   2.8   4.8   1.4        1   6.7   3.0   5.0   1.7 1   6.8   2.8   4.8   1.4        1   6.0   2.9   4.5   1.5 2   6.7   3.0   5.0   1.7        1   6.7   3.0   5.0   1.7 3   6.7   3.0   5.0   1.7        1   6.0   2.9   4.5   1.5 

左连接 LEFT OUTER JOIN

获取左表 iris_a 所有记录，判断每条数据的 classes 字段是否能匹配到右表iris_b的数据，无论能否匹配到，左表 iris_a 数据都会保留。若能匹配，则左右表都保留。若不能匹配，右表iris_b字段都置空NULL，并返回保留的记录。 

SELECT * FROM iris_a  LEFT JOIN iris_b  ON iris_a.classes = iris_b.classes; 

如上SQL实现iris_a 与 iris_b 按照classes字段进行左连接。我们使用 pandas.merge(iris_a, iris_b, on=classes, how=left) 方法实现该SQL，代码如下： 

import pandas as pd iris_a = pd.read_excel(io="iris.xlsx",                      sheet_name=iris_a,                      usecols=["sl", "sw", "pl", "pw", "classes"]) iris_b = pd.read_excel(io="iris.xlsx",                      sheet_name=iris_b,                      usecols=["sl", "sw", "pl", "pw", "classes"]) inner = pd.merge(iris_a, iris_b, on="classes", how="left") print(inner) # 执行上述代码，输出结果为：    sl_x  sw_x  pl_x  pw_x  classes  sl_y  sw_y  pl_y  pw_y 0   5.1   3.5   1.4   0.2        0   NaN   NaN   NaN   NaN 1   4.9   3.0   1.4   0.2        0   NaN   NaN   NaN   NaN 2   5.4   3.9   1.7   0.4        0   NaN   NaN   NaN   NaN 3   6.8   2.8   4.8   1.4        1   6.7   3.0   5.0   1.7 4   6.8   2.8   4.8   1.4        1   6.0   2.9   4.5   1.5 5   6.7   3.0   5.0   1.7        1   6.7   3.0   5.0   1.7 6   6.7   3.0   5.0   1.7        1   6.0   2.9   4.5   1.5 

右连接 RIGHT OUTER JOIN

获取右表 iris_b 所有记录，判断每条数据的 classes 字段是否能匹配到右表 iris_a 的数据，无论能否匹配到，右表 iris_b 数据都会保留。若能匹配，则左右表都保留。若不能匹配，左表iris_a字段都置空NULL，并返回保留的记录。 

SELECT * FROM iris_a  RIGHT JOIN iris_b  ON iris_a.classes = iris_b.classes; 

如上SQL实现iris_a 与 iris_b 按照classes字段进行右连接。我们使用 pandas.merge(iris_a, iris_b, on=classes, how=right)实现该SQL，代码如下： 

import pandas as pd iris_a = pd.read_excel(io="iris.xlsx",                      sheet_name=iris_a,                      usecols=["sl", "sw", "pl", "pw", "classes"]) iris_b = pd.read_excel(io="iris.xlsx",                      sheet_name=iris_b,                      usecols=["sl", "sw", "pl", "pw", "classes"]) inner = pd.merge(iris_a, iris_b, on="classes", how="right") print(inner) # 执行上述代码，输出结果为：    sl_x  sw_x  pl_x  pw_x  classes  sl_y  sw_y  pl_y  pw_y 0   6.8   2.8   4.8   1.4        1   6.7   3.0   5.0   1.7 1   6.7   3.0   5.0   1.7        1   6.7   3.0   5.0   1.7 2   6.8   2.8   4.8   1.4        1   6.0   2.9   4.5   1.5 3   6.7   3.0   5.0   1.7        1   6.0   2.9   4.5   1.5 4   NaN   NaN   NaN   NaN        2   5.6   2.8   4.9   2.0 5   NaN   NaN   NaN   NaN        2   7.7   2.8   6.7   2.0 6   NaN   NaN   NaN   NaN        2   6.3   2.7   4.9   1.8 7   NaN   NaN   NaN   NaN        2   6.7   3.3   5.7   2.1 

很赞哦!（24778）