Pandas与SQL的超强结合，爆赞！

人生苦短，我学Python！

网站建设哪家好，找创新互联建站！专注于网页设计、网站建设、微信开发、成都小程序开发、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了扶风免费建站欢迎大家使用！

本文的所有演示数据，均是基于下方的四张表。下面这四张表大家应该不陌生，这就是网传50道经典MySQL面试题中使用到的几张原表。关于下方各表之间的关联关系，我就不给大家说明了，仔细观察字段名，应该就可以发现。

简介

pandas中的DataFrame是一个二维表格，数据库中的表也是一个二维表格，因此在pandas中使用sql语句就显得水到渠成，pandasql使用SQLite作为其操作数据库，同时Python自带SQLite模块，不需要安装，便可直接使用。

这里有一点需要注意的是：使用pandasql读取DataFrame中日期格式的列，默认会读取年月日、时分秒，因此我们要学会使用sqlite中的日期处理函数，方便我们转换日期格式，下方提供sqlite中常用函数大全，希望对你有帮助。

sqlite函数大全：http://suo.im/5DWraE

导入相关库：

import pandas as pd  
from pandasql import sqldf

声明全局变量的2种方式

• 在使用之前，声明该全局变量；
• 一次性声明好全局变量；

在使用之前，声明该全局变量

df1 = pd.read_excel("student.xlsx")
df2 = pd.read_excel("sc.xlsx")
df3 = pd.read_excel("course.xlsx")
df4 = pd.read_excel("teacher.xlsx")
global df1
global df2
global df3
global df4
query1 = "select * from df1 limit 5"
query2 = "select * from df2 limit 5"
query3 = "select * from df3"
query4 = "select * from df4"
sqldf(query1)
sqldf(query2)
sqldf(query3)
sqldf(query4)

部分结果如下：

一次性声明好全局变量

df1 = pd.read_excel("student.xlsx")  
df2 = pd.read_excel("sc.xlsx")  
df3 = pd.read_excel("course.xlsx")  
df4 = pd.read_excel("teacher.xlsx")  
pysqldf = lambda q: sqldf(q, globals())  
query1 = "select * from df1 limit 5"  
query2 = "select * from df2 limit 5"  
query3 = "select * from df3"  
query4 = "select * from df4"  
sqldf(query1)  
sqldf(query2)  
sqldf(query3)  
sqldf(query4)

部分结果如下：

写几个简单的SQL语句

查看sqlite的版本

student = pd.read_excel("student.xlsx")  
pysqldf = lambda q: sqldf(q, globals())  
query1 = """  
   select sqlite_version(*)  
"""  
pysqldf(query1)

结果如下：

where筛选

student = pd.read_excel("student.xlsx")  
pysqldf = lambda q: sqldf(q, globals())  
query1 = """  
    select *    
    from student    
   where strftime('%Y-%m-%d',sage) = '1990-01-01'  
"""  
pysqldf(query1)

结果如下：

多表连接

student = pd.read_excel("student.xlsx")  
sc = pd.read_excel("sc.xlsx")  
pysqldf = lambda q: sqldf(q, globals())  
query2 = """  
   select *  
   from student s  
   join sc on s.sid = sc.sid  
"""  
pysqldf(query2)

部分结果如下：

分组聚合

student = pd.read_excel("student.xlsx")  
sc = pd.read_excel("sc.xlsx")  
pysqldf = lambda q: sqldf(q, globals())  
query2 = """  
   select s.sname as 姓名,sum(sc.score) as 总分  
   from student s  
   join sc on s.sid = sc.sid  
   group by s.sname  
"""  
pysqldf(query2)

结果如下：

union查询

student = pd.read_excel("student.xlsx")  
pysqldf = lambda q: sqldf(q, globals())  
query1 = """  
    select *    
    from student    
   where strftime('%Y-%m',sage) = '1990-01'  
   union  
    select *    
    from student    
   where strftime('%Y-%m',sage) = '1990-12'  
"""  
pysqldf(query1)

结果如下：

网页题目：Pandas与SQL的超强结合，爆赞！
网页路径：http://www.csdahua.cn/qtweb/news21/130371.html

网站建设、网络推广公司-快上网，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 快上网