SQL中的聚合方法与Pandas的对应关系

在SQL和Pandas中，聚合方法是用来对数据进行汇总统计的重要工具。下面是SQL中的各种聚合方法及其与Pandas中相应利用的对应关系：
1. COUNT

• SQL:
  
  
  
  • COUNT(*) 返回表中的行数。
    
  • COUNT(column) 返回指定列中非空值的数目。
    
  
  
• Pandas:
  
  
  
  • count() 方法用于计算非空值的数目。
    
  • 示例代码：
    1. count_result = df['column'].count()

    复制代码
  
  

2. SUM

• SQL:
  
  
  
  • SUM(column) 返回指定列中所有值的总和。
    
  
  
• Pandas:
  
  
  
  • sum() 方法用于计算指定列中所有值的总和。
    
  • 示例代码：
    1. sum_result = df['column'].sum()

    复制代码
  
  

3. AVG / AVERAGE

• SQL:
  
  
  
  • AVG(column) 返回指定列中所有值的均匀值。
    
  
  
• Pandas:
  
  
  
  • mean() 方法用于计算指定列中所有值的均匀值。
    
  • 示例代码：
    1. avg_result = df['column'].mean()

    复制代码
  
  

4. MIN

• SQL:
  
  
  
  • MIN(column) 返回指定列中的最小值。
    
  
  
• Pandas:
  
  
  
  • min() 方法用于计算指定列中的最小值。
    
  • 示例代码：
    1. min_result = df['column'].min()

    复制代码
  
  

5. MAX

• SQL:
  
  
  
  • MAX(column) 返回指定列中的最大值。
    
  
  
• Pandas:
  
  
  
  • max() 方法用于计算指定列中的最大值。
    
  • 示例代码：
    1. max_result = df['column'].max()

    复制代码
  
  

6. GROUP BY

• SQL:
  
  
  
  • GROUP BY column 用于对指定列中的值进行分组。
    
  • 可以结合 COUNT, SUM, AVG, MIN, MAX 等聚合函数一起使用。
    
  
  
• Pandas:
  
  
  
  • groupby() 方法用于对DataFrame中的数据进行分组。
    
  • 可以结合 count(), sum(), mean(), min(), max() 等方法一起使用。
    
  • 示例代码：
    1. grouped_df = df.groupby('column').agg({'other_column': 'sum'})

    复制代码
  
  

7. DISTINCT

• SQL:
  
  
  
  • DISTINCT column 返回指定列中的唯一值。
    
  
  
• Pandas:
  
  
  
  • unique() 方法用于获取指定列中的唯一值。
    
  • 示例代码：
    1. unique_values = df['column'].unique()

    复制代码
  
  

8. HAVING

• SQL:
  
  
  
  • HAVING condition 用于过滤 GROUP BY 后的结果集。
    
  
  
• Pandas:
  
  
  
  • 没有直接对应的 having 方法，但可以使用 groupby() 结合 filter() 方法来实现雷同功能。
    
  • 示例代码：
    1. filtered_df = df.groupby('column').filter(lambda x: x['other_column'].sum() > threshold)

    复制代码
  
  

示例代码

假设我们有一个DataFrame df，我们将演示这些聚合利用：

1. import pandas as pd
3. # 创建示例 DataFrame
4. data = {
5.     'category': ['A', 'B', 'A', 'B', 'A', 'B'],
6.     'value': [10, 20, 30, 40, 50, 60]
7. }
8. df = pd.DataFrame(data)
10. # COUNT
11. count_result = df['category'].count()
12. print("COUNT:")
13. print(count_result)
15. # SUM
16. sum_result = df['value'].sum()
17. print("\nSUM:")
18. print(sum_result)
20. # AVG / AVERAGE
21. avg_result = df['value'].mean()
22. print("\nAVG:")
23. print(avg_result)
25. # MIN
26. min_result = df['value'].min()
27. print("\nMIN:")
28. print(min_result)
30. # MAX
31. max_result = df['value'].max()
32. print("\nMAX:")
33. print(max_result)
35. # GROUP BY
36. grouped_df = df.groupby('category').agg({'value': ['sum', 'mean', 'min', 'max']})
37. print("\nGROUP BY:")
38. print(grouped_df)
40. # DISTINCT
41. unique_categories = df['category'].unique()
42. print("\nDISTINCT:")
43. print(unique_categories)
45. # HAVING
46. threshold = 50
47. filtered_df = df.groupby('category').filter(lambda x: x['value'].sum() > threshold)
48. print("\nHAVING:")
49. print(filtered_df)

复制代码

输出示例

假设DataFrame如下所示：

1.   category  value
2. 0        A     10
3. 1        B     20
4. 2        A     30
5. 3        B     40
6. 4        A     50
7. 5        B     60

复制代码

输出结果将会是：

1. COUNT:
2. 6
4. SUM:
5. 210
7. AVG:
8. 35.0
10. MIN:
11. 10
13. MAX:
14. 60
16. GROUP BY:
17.          value        
18.          sum mean min max
19. category                 
20. A           90  30.0  10  50
21. B          120  40.0  20  60
23. DISTINCT:
24. ['A' 'B']
26. HAVING:
27.   category  value
28. 0        A     10
29. 2        A     30
30. 4        A     50
31. 1        B     20
32. 3        B     40
33. 5        B     60

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。