我把excel文件读取为df，用SQL查询、分析，它不香吗？

￡神魔★判官ぃ 2022-12-27 15:30 92阅读 0赞

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章来源于统计与数据分析实战 ，作者严小样儿

![1d5999491307aa0207f5dca00d778afc.png][]

python非常好用，pandas也不差，但是，SQL仍然是最香的语言，如果把两者结合起来怎么样？请看~

# **下载、导入第三方库** #

下载：python -m pip install pandasql  
导入：from pandasql import sqldf,load\_births,load\_meat

from pandasql import sqldf,load_births,load_meat

# **加载内置数据集** #

df1 = load_births()
    df2 = load_meat()

预览数据查看前几行

df1.head()

![33f3a08d932604da53da1fe058f7ac55.png][]

预览数据查看后几行

df2.tail()

![6c55e9a7e8d4411df8ac70cc85189f8c.png][]

# **调用sqldf方法，参数为sql语句** #

sql = """
            select 
                date,count(*) as n
            from df1 
            group by date
            order by n desc;
          """
    result = sqldf(sql)
    result[result['n']==3]

对比一下，结果是相同的

df1['date'].value_counts().head(12)
    
    1991-12-01    3
    1991-10-01    3
    1991-06-01    3
    1991-08-01    3
    1991-09-01    3
    1991-04-01    3
    1991-02-01    3
    1991-01-01    3
    1991-03-01    3
    1991-07-01    3
    1991-11-01    3
    1991-05-01    3
    Name: date, dtype: int64

![88f7f2d85996cdbbc2df0335a9f7773a.png][]

# **聚合效果** #

sql2 = """
            select max(beef),min(pork),sum(turkey),count(veal)
            from df2;
        """
    result2 = sqldf(sql2)
    result2

# 多表连接也是可以的哦~ #

df1.merge(df2,on='date',how = 'inner')
    
    sql3 = """
            select df1.*,df2.* 
            from df1 inner join df2 
            on df1.date = df2.date;
            """
    result3 = sqldf(sql3)
    
    resul

# 总结 #

这个库使用起来非常简单，只要你会写SQL语句就可以用，df与sql，哪个方便用哪个。说实话，我还是喜欢用SQL，当我把excel文件读取为df后，用SQL查询、分析，它不香吗？！

[1d5999491307aa0207f5dca00d778afc.png]: /images/20221120/d1d1be9cb54140d3bd6f8b1b40ccacb5.png
[33f3a08d932604da53da1fe058f7ac55.png]: https://img-blog.csdnimg.cn/img_convert/33f3a08d932604da53da1fe058f7ac55.png
[6c55e9a7e8d4411df8ac70cc85189f8c.png]: https://img-blog.csdnimg.cn/img_convert/6c55e9a7e8d4411df8ac70cc85189f8c.png
[88f7f2d85996cdbbc2df0335a9f7773a.png]: https://img-blog.csdnimg.cn/img_convert/88f7f2d85996cdbbc2df0335a9f7773a.png