【Python】SQL to Pandas 速查表(二)

栏目: 数据库 · 发布时间: 6年前

内容简介:本篇将解构下面的本篇将解构下面的

本篇将解构下面的 SQL 查询句式, 使用 Pandas 进行实现

SQL 查询句式

SELECT DISTINCT [字段] 
FROM [表] JOIN [bin] ON [连接条件] 
WHERE [过滤条件] 
GROUP BY [字段] 
HAVING [条件] 
ORDER BY [字段] DESC 
LIMIT [个数] OFFSET [个数]
复制代码

读取评论数据

df_comments = pd.read_sql(sql="select * from comments", con=conn)
复制代码

数据预览

df_comments
复制代码
id student_id content
0 1 1 测试评论1
1 2 5 测试评论5
2 3 2 测试评论2
3 4 3 测试评论3
4 5 1 测试评论11
5 6 9 测试评论9

JOIN

(INNER) JOIN

SQL

SELECT
	* 
FROM
	student
	INNER JOIN comments ON student.id = comments.student_id;
复制代码

Pandas

pd.merge(df, df_comments, left_on='id', right_on='student_id')
复制代码

LEFT (OUTER) JOIN

SQL

SELECT
	* 
FROM
	student
	LEFT JOIN comments ON student.id = comments.student_id;
复制代码

Pandas

pd.merge(df, df_comments, left_on='id', right_on='student_id', how='left')
复制代码

RIGHT (OUTER) JOIN

SQL

SELECT
	* 
FROM
	student
	RIGHT JOIN comments ON student.id = comments.student_id;
复制代码

Pandas

pd.merge(df, df_comments, left_on='id', right_on='student_id', how='right')
复制代码

UNION

SQL

SELECT * FROM student where city ='北京' 
UNION 
SELECT * FROM student where sex ='男';
复制代码

Pandas

pd.concat([df[df.city == '北京'], df[df.sex == '男']]).drop_duplicates().reset_index()
复制代码

UNION ALL

SQL

SELECT * FROM student where city ='北京' 
UNION ALL 
SELECT * FROM student where sex ='男';
复制代码

Pandas

pd.concat([df[df.city == '北京'], df[df.sex == '男']]).reset_index()
复制代码

本篇内容

本篇将解构下面的 SQL 查询句式, 使用 Pandas 进行实现

SQL 创建句式

CREATE TABLE [表名] (
    [列名] [类型],
    [列名] [类型],
   ....
);
复制代码

SQL 插入句式

INSERT INTO [表名] VALUES ([值], [值], ...);
INSERT INTO [表名] ([列名],[列名] ...) VALUES ([值], [值], ...);
复制代码

SQL 更新句式

UPDATE [表名]
SET [列名] = [值], [列名] = [值]
WHERE [过滤条件];
复制代码

SQL 删除句式

DELETE FROM [表名] WHERE [过滤条件];
复制代码

CREATE

SQL

CREATE TABLE student (
	id INT ( 11 ) NOT NULL AUTO_INCREMENT,
	name VARCHAR ( 10 ) COLLATE utf8mb4_general_ci DEFAULT NULL,
	age date DEFAULT NULL,
	sex VARCHAR ( 10 ) COLLATE utf8mb4_general_ci DEFAULT NULL,
	city VARCHAR ( 255 ) CHARACTER 
    SET utf8mb4 COLLATE utf8mb4_general_ci DEFAULT NULL,
	money DOUBLE ( 255, 2 ) DEFAULT NULL,

);
复制代码

Pandas

pd.DataFrame(columns=['id', 'name', 'sex', 'city', 'money'])
复制代码

INSERT

SQL

INSERT INTO student (id, name, age, sex, city, money )
VALUES
	(1, '张三', '2017-12-20', '女', '天津', 20.00 );
复制代码

Pandas

# 第一种
df.loc[-1] = [1, '张三', '女', '天津', 20.00]
df.index = df.index + 1
df = df.sort_index()

# 第二种
temp_pd = pd.DataFrame({'id': [1], 'name': ['张三'], 'sex': ['女'], 'city': ['天津'], 'money': [20.00]})
df = pd.concat([df,temp_pd], ignore_index=True)
df.reset_index()

# 第三种
temp_pd = pd.DataFrame([[1,'张三1', '女', '天津', 20.00]], columns=df.columns)
df = pd.concat([df, temp_pd])
df.reset_index()
复制代码

UPDATE

SQL

UPDATE student SET money = 300 WHERE id = 1;
复制代码

Pandas

df.loc[df.id == 1, 'money'] = 300
复制代码

以上所述就是小编给大家介绍的《【Python】SQL to Pandas 速查表(二)》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

算法设计与分析导论

算法设计与分析导论

R.C.T.Lee (李家同)、S.S.Tseng、R.C.Chang、Y.T.Tsai / 王卫东 / 机械工业 / 2008-1 / 49.00元

本书在介绍算法时,重点介绍用干设计算法的策略.非常与众不同。书中介绍了剪枝搜索、分摊分析、随机算法、在线算法以及多项式近似方案等相对较新的思想和众多基于分摊分析新开发的算法,每个算法都与实例一起加以介绍,而且每个例子都利用图进行详细解释。此外,本书还提供了超过400幅图来帮助初学者理解。本书适合作为高等院校算法设计与分析课程的高年级本科生和低年级研究生的教材,也可供相美科技人员和专业人七参考使用。一起来看看 《算法设计与分析导论》 这本书的介绍吧!

CSS 压缩/解压工具
CSS 压缩/解压工具

在线压缩/解压 CSS 代码

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具