pandasql：讓 python 運(yùn)行 SQL
pandasql：讓 python 運(yùn)行 SQL
由 Yhat | 2016 年 10 月 11 日
本文鏈接：http://blog.yhat.com/posts/pandasql-intro.html
介紹
關(guān)于 Python 的最喜歡的一件事是使用者獲得觀察 R 社區(qū)的好處，然后模擬其最好的部分。我相信一種語(yǔ)言和它的庫(kù)和工具一樣有用。
這篇文章是關(guān)于pandasql，Yhat 寫的一個(gè)模擬 R 包 sqldf 的Python 庫(kù)。這是一個(gè)小而強(qiáng)大的庫(kù)，只有358行代碼。pandasql 的想法是讓 Python 運(yùn)行 SQL。對(duì)于那些來(lái)自 SQL 背景或仍然「使用 SQL 思考」的人來(lái)說(shuō)，pandasql是一種利用兩種語(yǔ)言優(yōu)勢(shì)的好方式。
在本介紹中，將在為數(shù)據(jù)探索和分析構(gòu)建的集成開發(fā)環(huán)境（IDE） Rodeo 中用 pandasql 開始運(yùn)行。Rodeo 是一個(gè)開源、完全免費(fèi)的工具。如果你是 R 使用者，那么它與 RStudio 具有類似感覺的工具。到目前為止，Rodeo 只能運(yùn)行 Python 代碼，但上周我們添加一些其他語(yǔ)言的語(yǔ)法高亮到編輯器（markdown，JSON，julia，SQL，markdown）。你可能已經(jīng)閱讀或猜到了，我們對(duì) Rodeo 有很大的計(jì)劃，包括添加 SQL 支持，以便你可以在 Rodeo 內(nèi)運(yùn)行 SQL 查詢，即使沒有我們的方便pandasql。更多的是在下一兩周內(nèi)！
下載 Rodeo
首先從 Yhat 網(wǎng)站上的 Rodeo 頁(yè)面下載 Rodeo for Mac，Windows 或 Linux。
ps：如果你下載 Rodeo 并遇到問題或只是有疑問，我們會(huì)全天候監(jiān)控我們的討論論壇24/7。
如果你好奇，一點(diǎn)背景
在背后，pandasql 使用該 pandas.io.sql 模塊在DataFrame 和 SQLite 數(shù)據(jù)庫(kù)之間傳輸數(shù)據(jù)。操作用 SQL 執(zhí)行，返回結(jié)果，然后將數(shù)據(jù)庫(kù)拆除。此庫(kù)大量使用 pandas write_frame 和 frame_query 兩個(gè)功能，可以讓你讀取和寫入 pandas 任何 SQL 數(shù)據(jù)庫(kù)。
安裝 pandasql
pandasql 使用 Rodeo 中的軟件包管理器進(jìn)行安裝。只需搜索 pandasql 并單擊安裝包。
如果你喜歡安裝這種方式，也可以從文本編輯器運(yùn)行 ! pip install pandasql。
查看數(shù)據(jù)集
pandasql 有兩個(gè)內(nèi)置的數(shù)據(jù)集，將用于下面的例子。
meat：數(shù)據(jù)集來(lái)自美國(guó)農(nóng)業(yè)部，包含有關(guān)牲畜，乳制品和家禽前景和生產(chǎn)的指標(biāo)
births：數(shù)據(jù)集來(lái)自聯(lián)合國(guó)統(tǒng)計(jì)司，包含按月計(jì)算的活產(chǎn)嬰兒人口統(tǒng)計(jì)
運(yùn)行以下代碼查看數(shù)據(jù)集。
在 Rodeo 里面，你真的不需要 print.variable.head() 語(yǔ)句，因?yàn)閷?shí)際上你可以直接檢查 dataframe。
奇數(shù)圖
請(qǐng)注意，繪圖將顯示在控制臺(tái)和繪圖選項(xiàng)卡（右下角的選項(xiàng)卡）中。
提示：可以通過(guò)單擊窗格頂部的箭頭「彈出」你的繪圖。如果你正在使用多個(gè)顯示器，并希望對(duì)于數(shù)據(jù)可視化，專注于其中一個(gè)屏幕，那么這是非常方便的。
用法
為了使這篇文章簡(jiǎn)潔易讀，我們剛剛給出了代碼片段和下面大部分查詢的幾行結(jié)果。
如果你在 Rodeo 中跟隨著，開始時(shí)候有會(huì)一些提示：
- Run Script 確實(shí)會(huì)運(yùn)行在文本編輯器中編寫的所有內(nèi)容
- 你可以高亮顯示代碼塊，并通過(guò)單擊 Run Line 或按 Command + Enter 運(yùn)行它
- 你可以調(diào)整窗格大?。ó?dāng)我沒有繪制圖時(shí)，我縮小了右下角的窗格）
基礎(chǔ)
寫一些 SQL，通過(guò)代替 DataFrames 表針對(duì) pandas DataFrame，并執(zhí)行它。
pandasql 創(chuàng)建數(shù)據(jù)庫(kù)、架構(gòu)、加載數(shù)據(jù)、并運(yùn)行你的 SQL。
聚合
pandasql 支持聚合。可以在 group by 子句中使用別名列名或列號(hào)。
locals() 與 globals()
pandasql 需要在會(huì)話/環(huán)境中訪問其他變量。雖然當(dāng)執(zhí)行 SQL 語(yǔ)句時(shí)，可以傳遞 locals() 給 pandasql，但是如果你運(yùn)行了大量可能麻煩的查詢。為了避免一直傳遞給 locals，你可以將這個(gè)幫助函數(shù)添加到腳本中，來(lái)其設(shè)置 globals() 如下：
聯(lián)結(jié)
你可以使用正常的 SQL 語(yǔ)法聯(lián)結(jié) dataframes。
WHERE 條件
這是一個(gè) WHERE 字句。
這只是SQL
由于 pandasql 由 SQLite3 提供支持，你可以用 SQL 中執(zhí)行大部分任務(wù)。以下是使用常見 SQL 功能（例如子查詢，排序分組，函數(shù)和聯(lián)合）的一些示例。
最后的想法
pandas 是一個(gè)難以置信的數(shù)據(jù)分析工具，因?yàn)樗浅Ｒ子诶斫?、?jiǎn)潔明了、易表達(dá)。最終，有足夠充分的理由來(lái)學(xué)習(xí)的 merge，join，concatenate，melt 的細(xì)微差別和其他 pandas 特色的切片和切塊數(shù)據(jù)。查看文檔的一些例子。
我們希望這 pandasql 對(duì)于 Python 和 pandas 新手將是一個(gè)有用的學(xué)習(xí)工具。在我自己學(xué)習(xí) R 的個(gè)人經(jīng)驗(yàn)中，sqldf 是一個(gè)熟悉的界面，可以幫助我盡快使用新工具來(lái)提高生產(chǎn)力。
我們希望你能檢查 pandasql 和 Rodeo；如果你這樣做，請(qǐng)告訴我們你的想法！
