Python数据分析之pandas的SQL风格
2024-01-03 12:55:58
一、select选择
SELECT username, password, secret, login_ip FROM tz_admin LIMIT 5;
data[['username', 'password', 'secret', 'login_ip']].head(5)
#在SQL中,选择是使用逗号分隔的列(或选择所有列)来完成的
#Pandas中,列的选择是通过传递列名到DataFrame:
二、where条件
SELECT * FROM order WHERE uid = '55' LIMIT 5;
df[df['充值(元)']>100]
?三、groupby数据分组
数据分组是 pandas 数据分析的核?功能,可以将 DataFrame 根据?定的规则拆分为多个组合。
SELECT username, password, amount FROM user GROUP BY group;
df[['username','password','amount','group']].groupby(by='group')
pandas 中使用 groupby 方法时,它并不会立即执行分组操作。相反,它会返回一个 DataFrameGroupBy 对象,你需要对其应用聚合函数以获得有意义的结果。例如,你可以使用求和、均值、计数或任何其他聚合函数来对分组后的数据进行操作。
四、分组统计
1、计算平均值
df[['id','生日','city','充值(元)']].groupby(by='city').mean(numeric_only=True)
2、排序
3、频率
df2=df[['id','生日','city','充值(元)','性别']].groupby('city')['性别'].value_counts()
df2=df[['id','生日','city','充值(元)','性别']].groupby(by=['city','性别']).value_counts()
五、分组查看
最近心情比较烦,很烦,学不进去,未完待续,等我心静了再来学习
文章来源:https://blog.csdn.net/qq_32393893/article/details/135284010
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符,请联系我的编程经验分享网邮箱:veading@qq.com进行投诉反馈,一经查实,立即删除!
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符,请联系我的编程经验分享网邮箱:veading@qq.com进行投诉反馈,一经查实,立即删除!