作者 | 刘早起
翻译/编辑 | 早起Python
来源 | 早起Python（ID：zaoqi-python）
SQL和Python几乎是当前数据分析师必须要了解的两门语言，它们在处理数据时有什么区别？本文将分别用MySQL和pandas来展示七个在数据分析中常用的操作，希望可以帮助掌握其中一种语言的读者快速了解另一种方法！
在阅读本文前，你可以访问下方网站下载本文使用的示例数据，并导入MySQL与pandas中，一边敲代码一边阅读！
https://raw.githubusercontent.com/pandas-dev/pandas/master/pandas/tests/io/data/csv/tips.csv一、选择
在SQL中，我们可以使用SELECT语句从表选择数据，结果被存储在一个结果表中，语法如下：
SELECT column_name,column_name FROM table_name;如果不想显示全部的记录，可以使用TOP或LIMIT来限制行数。因此选择tips表中的部分列可以使用下面的语句
SELECT total_bill, tip, smoker, time FROM tips LIMIT 5;而在pandas中，我们可以通过将列名列表传递给DataFrame来完成列选择
在SQL中，进行选择的同时还可以进行计算，比如添加一列
SELECT *, tip/total_bill as tip_rate FROM tips LIMIT 5;在pandas中使用DataFrame.assign()同样可以完成这个操作
二、查找
在SQL中，WHERE子句用于提取那些满足指定条件的记录，语法如下
SELECT column_name,column_name FROM table_name WHERE column_name operator value;比如查找示例数据中time = dinner的记录
SELECT * FROM tips WHERE time = 'Dinner' LIMIT 5;而在pandas中，按照条件进行查找则可以有多种形式，比如可以将含有True/False的Series对象传递给DataFrame，并返回所有带有True的行
在SQL中，进行多条件查找可以使用AND/OR来完成
SELECT * FROM tips WHERE time = 'Dinner' AND tip > 5.00;在pandas中也有类似的操作
在pandas检查空值是使用notna()和isna()方法完成的。
frame[frame['col1'].notna()]在SQL中可以使用IS NULL和IS NOT NULL完成
SELECT * FROM frame WHERE col2 IS NULL; SELECT * FROM frame WHERE col1 IS NOT NULL;三、更新
在SQL中使用UPDATE
UPDATE tips SET tip = tip*2 WHERE tip < 2;而在pandas中则有多种方法，比如使用loc函数
tips.loc[tips['tip'] < 2, 'tip'] *= 2四、删除
在SQL中使用DELETE
DELETE FROM tips WHERE tip > 9;在pandas中，我们选择应保留的行，而不是删除它们
tips = tips.loc[tips['tip'] <= 9]五、分组
在pandas中，使用groupby()方法实现分组。groupby()通常是指一个过程，在该过程中，我们希望将数据集分为几组，应用某些功能(通常是聚合)，然后将各组组合在一起。
常见的SQL操作是获取整个数据集中每个组中的记录数。例如，通过对性别进行分组查询
SELECT sex, count(*) FROM tips GROUP BY sex;在pandas中的等价操作为
注意，在上面代码中，我们使用size()而不是count() 这是因为count()将函数应用于每一列，并返回每一列中非空记录的数量！
六、连接
在pandas可以使用join()或merge()进行连接，每种方法都有参数，可让指定要执行的联接类型(LEFT，RIGHT，INNER，FULL)或要联接的列。
现在让我们重新创建两组示例数据，分别用代码来演示不同的连接
df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], ....: 'value': np.random.randn(4)}) ....: df2 = pd.DataFrame({'key': ['B', 'D', 'D', 'E'], ....: 'value': np.random.randn(4)})内联接使用比较运算符根据每个表共有的列的值匹配两个表中的行，在SQL中实现内连接使用INNER JOIN
SELECT * FROM df1 INNER JOIN df2 ON df1.key = df2.key;在pandas中可以使用merge()
merge()提供了一些参数，可以将一个DataFrame的列与另一个DataFrame的索引连接在一起????
在SQL中实现左/右外连接可以使用LEFT OUTER JOIN和RIGHT OUTER JOIN
SELECT * FROM df1 LEFT OUTER JOIN df2 ON df1.key = df2.key; SELECT * FROM df1 RIGHT OUTER JOIN df2 ON df1.key = df2.key;在pandas中实现同样可以使用merge()并指定how关键字为left或者right即可
全连接返回左表和右表中的所有行，无论是否匹配，但并不是所有的数据库都支持，比如mysql就不支持，在SQL中实现全连接可以使用FULL OUTER JOIN
SELECT * FROM df1 FULL OUTER JOIN df2 ON df1.key = df2.key;在pandas中实现同样可以使用merge()并指定how关键字为outer
七、合并
SQL中UNION操作用于合并两个或多个SELECT语句的结果集，UNION与UNION ALL类似，但是UNION将删除重复的行。示例代码如下
SELECT city, rank FROM df1 UNION ALL SELECT city, rank FROM df2; /* city rank Chicago 1 San Francisco 2 New York City 3 Chicago 1 Boston 4 Los Angeles 5 */在pandas中可以使用concat()实现UNION ALL
上面是UNION ALL保留重复值，如果希望删除可以使用 drop_duplicates()
以上就是本文的全部内容，可以看到在不同的场景下不同的语言有着不同的特性，如果你想深入学习了解可以进一步查阅官方文档并多加练习！
-END-
来源：pandas官方文档
https://pandas.pydata.org/docs/getting_started/comparison/comparison_with_sql.html
编译：刘早起（有删改）
课程详情请扫码咨询
