【Pandas vs SQL】数据分析代码逐行比对,孰优孰劣?
作者:互联网
在数据分析领域,pandas是python数据分析基础工具,SQL是数据库最常用分析语言。二者有相通的地方,也有很大的语法不同,做起数据分析来,谁将更胜一筹呢?
做过业务开发、跟数据库打交道比较多的小伙伴,经常会提到”增删改查“操作,分别对应数据的增加、删除、修改、查询,这4个操作。
下面,我将从查、增、删、改四个维度,依次比对pandas和SQL的实现步骤,比较二者的优劣。
文末含获取Python源码文件方式!
【讲解视频】此文章同步讲解视频:
https://www.zhihu.com/zvideo/1463296616861536256
https://www.zhihu.com/zvideo/1468878502435385344
【准备数据】数据分析对象-B站top100排行榜数据
这里,我采用B站top100排行榜的数据,作为数据分析对象。
想学习如何爬取top100排行榜数据的小伙伴,请移步至:
https://www.zhihu.com/zvideo/1442441321721663488
爬取下来的数据,存到excel:
数据准备完毕,开始数据分析,pandas和SQL进行逐行比对!
一、查询
1.1 查询前3行
pandas查询前3行:
SQL查询前3行:
1.2 查询后3行
pandas查询后3行:
SQL查询后3行:
1.3 查询指定列
pandas方法1(中括号[]):
pandas方法2(loc):
pandas方法3(iloc):
【马哥小贴士】关于loc和iloc的说明:
loc:works on labels in the index.(通过"索引名"定位)
iloc:works on the positions in the index (so it only takes integers).(通过"索引值"定位)
SQL查询指定列:
1.4 按条件查询
pandas单条件查询:
SQL单条件查询:
pandas多条件查询(并且关系):
SQL多条件查询(并且关系AND):
pandas多条件查询(或者关系):
SQL多条件查询(或者关系OR):
二、增加
2.1 增加行
pandas方法1(append):
pandas方法2(loc):
pandas方法3(concat):
SQL增加一行:
SQL增加多行:
2.2 增加列
pandas方法1(中括号[]):
pandas方法2(insert):
SQL增加一列:
三、删除
3.1 删除行
pandas方法1(drop-行名):
pandas方法2(drop-行号):
pandas方法3(drop-删除特定条件的行):
SQL删除多行:
3.2 删除列
pandas方法1(drop):
pandas方法2(del):
SQL删除一列:
四、修改
4.1 pandas方法1(loc):
4.2 pandas方法2(iloc):
4.3 SQL修改一个值
4.4 SQL修改多个值
五、四种连接方法
待分析数据:
5.1 左连接(Left Join)
pandas左连接:
SQL左连接:
5.2 右连接(Right Join)
pandas右连接:
SQL右连接:
5.3 内连接(Inner Join)
pandas内连接1:
pandas内连接2:(注意!根据索引连接)
pandas内连接3:(注意!根据索引连接)
SQL内连接1:
SQL内连接2:
SQL内连接3:
5.4 外连接(Outer Join)
pandas外连接1:
pandas外连接2:
pandas外连接3:
SQL外连接:(注意:MySQL不支持全连接,通过UNION实现)
END:马哥经验总结
怎么选择用哪个工具(Pandas or SQL)
根据数据存储类型,选择用哪个
·如果数据存储在数据库里,直接用SQL分析,比较方便。
·如果数据存储在Excel,或者csv、txt等文本类数据,或者从网页爬取下的结构化数据,存储为pandas的DataFrame格式再分析,比较方便。
根据数据量、性能,选择用哪个
·大部分情况下,Pandas比SQL的运行性能更优。
"文无第一,武无第二 | 没有绝对的谁更好,只有更适合的分析场景!"
标签:数据分析,优孰劣,pandas,vs,SQL,查询,方法,连接,逐行 来源: https://www.cnblogs.com/mashukui/p/16220251.html