[MySQL | Python] MySQL子查询及其对于的Python操作

最新推荐文章于 2022-08-18 22:49:57 发布

原创

最新推荐文章于 2022-08-18 22:49:57 发布 · 1.2k 阅读

0 ·

CC 4.0 BY-SA版权

本文为原创文章，未经本人许可不得转载，引用请注明出处。

文章标签：

#mysql #python #数据库

本文对比了MySQL和Python在数据处理中的子查询应用，包括标量子查询、关联子查询和普通子查询。通过实例展示了如何在MySQL中使用子查询进行数据筛选，并在Python中使用pandas库实现相同的功能。内容涵盖了数据导入、平均价格比较、组内筛选等操作，旨在帮助读者理解两种语言在数据操作上的异同。

1 标量子查询

2 关联子查询

3 普通子查询

导入数据

分别在MySQL和Python中导入数据。

import pandas as pd
milk_tea = pd.read_excel('SQLData.xlsx','milk_tea')
prod_info = pd.read_excel('SQLData.xlsx','prod_info')
supplier_info = pd.read_excel('SQLData.xlsx','supplier_info')
cust_info = pd.read_excel('SQLData.xlsx','cust_info')
order_info = pd.read_excel('SQLData.xlsx','order_info')

1 标量子查询

子查询返回的是一个常数。

例1：找出prod_info表中，平均商品销售价格大于milk_tea表中奶茶价格的行。

筛选功能对比：

MySQL用【WHERE+条件】语句实现筛选，筛选出哪个变量用SELECT控制

Python中用【df[ 判断语句 ]】实现筛选，筛选出什么变量用df[判断语句][‘变量’]控制

groupby对比：

MySQL用【GROUP BY 变量】实现分组，用【SELECT 聚合键聚合函数】实现分组求XX

Python用【df.groupby(‘变量’)】实现分组，用【df.groupby(‘变量’).mean()】实现分组求XX

--[MySQL] 例1：找出prod_info表中，平均商品销售价格大于milk_tea表中奶茶价格的行。
SELECT p.class, AVG(p.sale_price)
FROM prod_info AS p 
GROUP BY p.class
HAVING AVG(p.sale_price) > (
                  &n