像写SQL一样学习pandas 中 DataFrame

赛大爷

于 2018-04-14 22:29:14 发布

阅读量4.6k

点赞数 4

分类专栏： python 数据处理文章标签： pandas DataFrame SQL

本文链接：https://blog.youkuaiyun.com/weixin_39818658/article/details/79944925

版权

本文深入探讨了Python pandas库中的DataFrame数据类型，通过实例展示了如何进行列筛选、数据索引、过滤、聚合和多表关联操作，并与SQL进行了对比，帮助读者更好地理解和应用DataFrame。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

当下python在数据处理以及量化分析数据挖掘上使用越发广泛，本文将针对python中pandas包下的DataFrame这种数据类型的的使用进行详细说明，以及其在数据处理的同等情况下SQL中的对比，话不多说，开整！！！

关键字：pandas、DataFrame、SQL

1、关于数据表列的筛选

有DataFrame（也就是二维数据表）data：

使用

data=DataFrame(np.arange(9).reshape(3,3),columns=['a','b','c'])

语句即可生成该DataFrame

data :

a b c

0 0 1 2

1 3 4 5

2 6 7 8

如果我们只取data的a列直接使用一个切片操作（注：对列进行选取切片操作是两层中括号）：

data[['a']]

--------->

0 0

1 3

2 6

对应的SQL语句为：

select a from data

如果我们要取a和b两个字段同样是切片操作：

data[['a','b']]

------>

a b

0 0 1

1 3 4

2 6 7

对应的SQL语句为：

select a,b from data

首先我们在此先创建两个DataFrame：

公司基本信息数据表

companydata=DataFrame({'ID':['aa','bb','cc'],

                    'name':['公司A','公司B','公司C&