京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:俊欣
来源:关于数据分析与可视化
今天我们继续来讲一下Pandas和SQL之间的联用,我们其实也可以在Pandas当中使用SQL语句来筛选数据,通过Pandasql模块来实现该想法,首先我们来安装一下该模块
pip install pandasql
要是你目前正在使用jupyter notebook,也可以这么来下载
!pip install pandasql
我们首先导入数据
import pandas as pd from pandasql import sqldf
df = pd.read_csv("Dummy_Sales_Data_v1.csv", sep=",")
df.head()
output
我们先对导入的数据集做一个初步的探索性分析,
df.info()
output
<class 'pandas.core.frame.DataFrame'> RangeIndex: 9999 entries, 0 to 9998 Data columns (total 12 columns):
# Column Non-Null Count Dtype
--- ------ -------------- ----- 0 OrderID 9999 non-null int64 1 Quantity 9999 non-null int64 2 UnitPrice(USD) 9999 non-null int64 3 Status 9999 non-null object 4 OrderDate 9999 non-null object 5 Product_Category 9963 non-null object 6 Sales_Manager 9999 non-null object 7 Shipping_Cost(USD) 9999 non-null int64 8 Delivery_Time(Days) 9948 non-null float64 9 Shipping_Address 9999 non-null object 10 Product_Code 9999 non-null object 11 OrderCode 9999 non-null int64
dtypes: float64(1), int64(5), object(6)
memory usage: 937.5+ KB
再开始进一步的数据筛选之前,我们再对数据集的列名做一个转换,代码如下
df.rename(columns={"Shipping_Cost(USD)":"ShippingCost_USD", "UnitPrice(USD)":"UnitPrice_USD", "Delivery_Time(Days)":"Delivery_Time_Days"},
inplace=True)
df.info()
output
<class 'pandas.core.frame.DataFrame'> RangeIndex: 9999 entries, 0 to 9998 Data columns (total 12 columns):
# Column Non-Null Count Dtype
--- ------ -------------- ----- 0 OrderID 9999 non-null int64 1 Quantity 9999 non-null int64 2 UnitPrice_USD 9999 non-null int64 3 Status 9999 non-null object 4 OrderDate 9999 non-null object 5 Product_Category 9963 non-null object 6 Sales_Manager 9999 non-null object 7 ShippingCost_USD 9999 non-null int64 8 Delivery_Time_Days 9948 non-null float64 9 Shipping_Address 9999 non-null object 10 Product_Code 9999 non-null object 11 OrderCode 9999 non-null int64
dtypes: float64(1), int64(5), object(6)
memory usage: 937.5+ KB
我们先尝试筛选出OrderID、Quantity、Sales_Manager、Status等若干列数据,用SQL语句应该是这么来写的
SELECT OrderID, Quantity, Sales_Manager,
Status, Shipping_Address, ShippingCost_USD
FROM df
与Pandas模块联用的时候就这么来写
query = "SELECT OrderID, Quantity, Sales_Manager,
Status, Shipping_Address, ShippingCost_USD
FROM df" df_orders = sqldf(query) df_orders.head()
output
我们在SQL语句当中添加指定的条件进而来筛选数据,代码如下
query = "SELECT *
FROM df_orders
WHERE Shipping_Address = 'Kenya'" df_kenya = sqldf(query) df_kenya.head()
output
而要是条件不止一个,则用AND来连接各个条件,代码如下
query = "SELECT * FROM df_orders WHERE Shipping_Address = 'Kenya' AND Quantity < 40 AND Status IN ('Shipped', 'Delivered')"
df_kenya = sqldf(query)
df_kenya.head()
output
同理我们可以调用SQL当中的GROUP BY来对筛选出来的数据进行分组,代码如下
query = "SELECT Shipping_Address, COUNT(OrderID) AS Orders FROM df_orders GROUP BY Shipping_Address"
df_group = sqldf(query)
df_group.head(10)
output
而排序在SQL当中则是用ORDER BY,代码如下
query = "SELECT Shipping_Address, COUNT(OrderID) AS Orders FROM df_orders GROUP BY Shipping_Address ORDER BY Orders"
df_group = sqldf(query)
df_group.head(10)
output
我们先创建一个数据集,用于后面两个数据集之间的合并,代码如下
query = "SELECT OrderID,
Quantity,
Product_Code,
Product_Category,
UnitPrice_USD
FROM df" df_products = sqldf(query) df_products.head()
output
我们这里采用的两个数据集之间的交集,因此是INNER JOIN,代码如下
query = "SELECT T1.OrderID,
T1.Shipping_Address,
T2.Product_Category
FROM df_orders T1
INNER JOIN df_products T2
ON T1.OrderID = T2.OrderID" df_combined = sqldf(query) df_combined.head()
output
在SQL当中的LIMIT是用于限制查询结果返回的数量的,我们想看查询结果的前10个,代码如下
query = "SELECT OrderID, Quantity, Sales_Manager, Status, Shipping_Address,
ShippingCost_USD FROM df LIMIT 10"
df_orders_limit = sqldf(query)
df_orders_limit
output
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈、 ...
2026-05-14在Python数据分析中,Pandas作为核心工具库,凭借简洁高效的数据处理能力,成为数据分析从业者的必备技能。其中,基于两列(或多 ...
2026-05-14 很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会 ...
2026-05-14在零售行业存量竞争日趋激烈的当下,客户流失已成为侵蚀企业利润的“隐形杀手”——据行业数据显示,零售企业平均客户流失率高达 ...
2026-05-13当流量红利消退、用户需求日趋多元,“凭经验决策、广撒网投放”的传统营销模式早已难以为继。大数据的崛起,为企业营销提供了全 ...
2026-05-13 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-05-13【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-12在手游行业存量竞争日趋激烈、流量成本持续高企的当下,“拉新”早已不是行业核心痛点,“留存”尤其是“付费留存”,成为决定手 ...
2026-05-12 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-05-12用户调研是企业洞察客户需求、优化产品服务、制定运营策略的核心前提,而调研数据的可靠性,直接决定了决策的科学性与有效性。在 ...
2026-05-11在市场竞争日趋激烈、流量成本持续攀升的今天,企业的核心竞争力已从“获取流量”转向“挖掘客户价值”。客户作为企业最宝贵的资 ...
2026-05-11 很多数据分析师精通Excel单元格操作,熟练应用多种公式,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质 ...
2026-05-11在互联网运营、产品优化、用户增长等领域,次日留存率是衡量产品价值、用户粘性与运营效果的核心指标,更是判断新用户是否认可产 ...
2026-05-09相关性分析是数据分析领域中用于探究两个或多个变量之间关联强度与方向的核心方法,广泛应用于科研探索、商业决策、医疗研究、社 ...
2026-05-09 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-05-09在数据驱动运营的时代,指标是连接业务目标与实际行动的核心桥梁,是企业解读业务现状、发现问题、预判趋势的“量化标尺”。一套 ...
2026-05-08在存量竞争日趋激烈的商业时代,“以客户为中心”早已从口号落地为企业运营的核心逻辑。而客户画像作为打通“了解客户”与“服务 ...
2026-05-08 很多数据分析师每天与Excel打交道,但当被问到“什么是表格结构数据”“它和表结构数据有什么区别”“表格结构数据有哪些核 ...
2026-05-08在数据分析、计量研究等场景中,回归分析是探究变量间量化关系的核心方法,无论是简单的一元线性回归,还是复杂的多元线性回归、 ...
2026-05-07在数据分析、计量研究等场景中,回归分析是探究变量间量化关系的核心方法,无论是简单的一元线性回归,还是复杂的多元线性回归、 ...
2026-05-07