如何在 Pandas 的 SQL 查詢樣式中選擇資料子集？-mysql教程-PHP中文網

如何在 Pandas 的 SQL 查询样式中选择数据子集？

簡介

在這篇文章中，我將向您展示如何使用 Pandas 透過 SQL 樣式過濾來執行資料分析。大多數企業資料都儲存在需要 SQL 來檢索和操作的資料庫中。例如，像 Oracle、IBM、Microsoft 這樣的公司擁有自己的資料庫和自己的 SQL 實作。

資料科學家必須在其職業生涯的某個階段處理 SQL，因為資料並不總是儲存在CSV 檔案。我個人更喜歡使用 Oracle，因為我公司的大部分資料都儲存在 Oracle 中。

場景 – 1 假設我們有一個任務，從我們的電影中尋找所有電影具有以下條件的資料集。

電影的語言應該是英語（en）或西班牙語（es）。
電影的受歡迎程度必須介於 500 到 1000 之間。
電影的狀態必須已發布。
投票數必須大於 5000。對於上述場景，SQL 語句類似於如下。

SELECT
FROM WHERE
title AS movie_title
,original_language AS movie_language
,popularityAS movie_popularity
,statusAS movie_status
,vote_count AS movie_vote_count movies_data
original_languageIN (&#39;en&#39;, &#39;es&#39;)

AND status=(&#39;Released&#39;)
AND popularitybetween 500 AND 1000
AND vote_count > 5000;

登入後複製

現在你已經看到了滿足需求的SQL語句，讓我們使用pandas一步一步地進行操作。我將向你展示兩種方法。

方法1：布林索引

1. 將movies_data資料集載入到DataFrame中。

import pandas as pd movies = pd.read_csv("https://raw.githubusercontent.com/sasankac/TestDataSet/master/movies_data.csv")

登入後複製

為每個條件分配一個變數。

languages = [ "en" , "es" ] condition_on_languages = movies . original_language . isin ( languages )
condition_on_status = movies . status == "Released"
condition_on_popularity = movies . popularity . between ( 500 , 1000 )
condition_on_votecount = movies . vote_count > 5000

登入後複製

3.將所有條件（布林數組）組合在一起。

final_conditions = ( condition_on_languages & condition_on_status & condition_on_popularity & condition_on_votecount )
columns = [ "title" , "original_language" , "status" , "popularity" , "vote_count" ]
# clubbing all together movies . loc [ final_conditions , columns ]

登入後複製

zh10867

	#original_language	#狀態	受歡迎程度	vote_count < p>
##vote_count		##95星際		< /td>已發布
724.247784		##788死侍	zh	已發布

#original_language

#狀態

受歡迎程度

vote_count

##vote_count

##95星際

< /td>已發布

724.247784

##788死侍

已發布

#514.569956

#10995

#方法2：- .query()方法。 .query()方法是SQL where子句樣式過濾資料的方法。條件可以作為字串傳遞給此方法，但是，列名稱不得包含任何空格。

如果列名稱中有空格，請使用 python 替換函數將其替換為底線。

根據我的經驗，我發現 query() 方法在應用於較大的 DataFrame 時比以前的方法更快。

import pandas as pd movies = pd . read_csv ( "https://raw.githubusercontent.com/sasankac/TestDataSet/master/movies_data.csv" )

登入後複製

4.建立查詢字串並執行該方法。 ## 受歡迎程度165000000157336星際724.247784< td>

2014年5月11日

#675120017169.0#關係58000000

請注意，.query 方法不適用於跨越多行的三重引號字串。

final_conditions = (
"original_language in [&#39;en&#39;,&#39;es&#39;]"
"and status == &#39;Released&#39; "
"and popularity > 500 "
"and popularity < 1000"
"and vote_count > 5000"
) final_result = movies . query ( final_conditions )
final_result

登入後複製

original_language

#original_title

發佈日期

’收入

#運行時

#st

788

#293660

zh

#死侍

##514.569956

2016年9月2日783112979108.0 ##關係

#157336

###788################58000000################### ##293660############zh#############死侍############514.569956######## #####2016年9月2日############783112979############108.0#############關係#####################

以上是如何在 Pandas 的 SQL 查詢樣式中選擇資料子集？的詳細內容。更多資訊請關注PHP中文網其他相關文章！

來源：tutorialspoint.com

上一篇：確定 MySQL 資料庫的字符集設定為什麼下一篇：將 MySQL 新增到 Windows 路徑

本網站聲明

本文內容由網友自願投稿，版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容，請聯絡admin@php.cn

作者最新文章