Operaciones SQL de Pandas

Ejemplos específicos de operaciones SQL en Pandas

Dado que muchos usuarios potenciales de Pandas tienen conocimientos de SQL, esta página tiene como objetivo proporcionar algunos ejemplos que ilustran cómo utilizar Pandas para realizar varias operaciones SQL.

　import　pandas　as　pd
　url　=　'https://raw.github.com/pandasdev/
　pandas/master/pandas/tests/data/tips.csv'
　tips=pd.read_csv(url)
　print(tips.head())

Los resultados de la ejecución son los siguientes:

　　　　　　total_bill            tip                    sexo              fumador              día                    hora                    tamaño
0　　　　　　　　16.99　　1.01　　　Femenino              No          Sol         Cena　　　　　　2
1　　　　　　　　10.34　　1.66　　　　　Masculino              No          Sol         Cena　　　　　　3
2　　　　　　　　21.01　　3.50                    Masculino              No          Sol         Cena　　　　　　3
3　　　　　　　　23.68　　3.31　　　　　Masculino              No          Sol         Cena　　　　　　2
4　　　　　　　　24.59　　3.61　　　Femenino              No          Sol         Cena　　　　　　4

Consulta

En SQL, la selección se realiza con una lista separada por comas de las columnas elegidas (o utilizando*para seleccionar todas las columnas）:

　SELECT total_bill, tip, fumador, hora
　from　tips
　LIMIT　5;

Con Pandas, para realizar la selección de columnas se completa pasando una lista de nombres de columnas al DataFrame:

　tips[['total_bill', 'tip', 'fumador', 'hora']].head(5)

Veamos un ejemplo completo:

　import　pandas　as　pd
　url　=　'https://raw.github.com/pandasdev/
　pandas/master/pandas/tests/data/tips.csv'
　　
　tips=pd.read_csv(url)
　print(tips[['total_bill', 'tip', 'fumador', 'hora']].head(5)

Los resultados de la ejecución son los siguientes:

　　　total_bill            tip            fumador                    hora
0　　　　　　　16.99　　1.01　　　　　　No              Cena
1　　　　　　　10.34　　1.66　　　　　　No              Cena
2　　　　　　　21.01　　3.50                    No              Cena
3　　　　　　　23.68　　3.31　　　　　　No              Cena
4　　　　　　　24.59　　3.61　　　　　　No              Cena

Llamar a DataFrame sin lista de nombres de columnas mostrará todas las columnas (al estilo de SQL de*).

Consulta con condición WHERE

Filtrar en SQL mediante cláusula WHERE.

　SELECT　*　from tips WHERE time = 'Cena' LIMIT　5;

DataFrame se puede filtrar de múltiples maneras. El método más intuitivo es usar índices booleanos.

　tips[tips['time'] == 'Cena'].head(5)

Vamos a ver un ejemplo completo

　import　pandas　as　pd
　url　=　'https://raw.github.com/pandasdev/
　pandas/master/pandas/tests/data/tips.csv'
　tips=pd.read_csv(url)
　print(tips[tips['time'] == 'Cena'].head(5)

Los resultados de la ejecución son los siguientes:

　　　　　total_bill            tip                    sexo              fumador              día                    hora                    tamaño
0　　　　　　　16.99　　1.01　　　Femenino             No         Sol         Cena　　　　2
1　　　　　　　10.34　　1.66　　　　　Masculino             No         Sol         Cena　　　　3
2　　　　　　　21.01　　3.50                    Masculino             No         Sol         Cena　　　　3
3　　　　　　　23.68　　3.31　　　　　Masculino             No         Sol         Cena　　　　2
4　　　　　　　24.59　　3.61　　　Femenino             No         Sol         Cena　　　　4

La sentencia superior transmitirá una serie de True / Objeto False transmitido a DataFrame, y se devuelven todas las filas con True.

Agrupación de GroupBy

Esta operación obtiene el número de registros en cada grupo del conjunto de datos completo. Por ejemplo, consulte el número de registros agrupados por género:

　SELECT　sexo,　count(*)
　from　tips
　GROUP　BY　sexo;

La operación en Pandas es la siguiente:

　tips.groupby('sexo').size()

Vamos a ver un ejemplo completo

　import　pandas　as　pd
　url　=　'https://raw.github.com/pandasdev/
　pandas/master/pandas/tests/data/tips.csv'
　tips=pd.read_csv(url)
　print　tips.groupby('sexo').size()

Los resultados de la ejecución son los siguientes:

　sexo
　Mujer　87
　Hombre　157
　dtype:　int64

Cantidad de filas consultadas

Uso de LIMIT en SQL para devolver N filas:

　SELECT　*　from　tips
　LIMIT　5　;

Operaciones en Pandas son las siguientes:

　tips.head(5)

Vamos a ver un ejemplo completo

　import　pandas　as　pd
　url　=　'https://raw.github.com/pandas-dev/pandas/master/pandas/tests/data/tips.csv'
　tips=pd.read_csv(url)
　tips　=　tips[['smoker',　'day',　'time']].head(5)
　print　tips

Los resultados de la ejecución son los siguientes:

　　　　　día　de　fumador　tiempo
0　No　Sun　Dinner
1　　　　　　No　Sun　Dinner
2　　　　　　No　Sun　Dinner
3　　　　　　No　Sun　Dinner
4　　　　　　No　Sun　Dinner