摘要：在使用之前，大多数数据分析师已经掌握了和，并且在刚上手时会经常习惯性想到老办法。这种根据列值选取行数据的查询操作，推荐使用方法。如果我又有一批数据，需要将两部分数据合并。
大毛 岂安科技业务风险分析师
多年订单业务反欺诈经验，负责岂安科技多款产品运营工作。
在使用Pandas之前，大多数数据分析师已经掌握了Excel和SQL，并且在刚上手Pandas时会经常习惯性想到“老办法”。"如果谁能把常用的数据查询语法做个对比就好了 "，我也曾不止一次地想享受前人的成果，无奈发现网上的文章侧重不同且深浅不一，还涉及到一些Pandas新老版本的问题，于是决定自己动手。
一、举例的数据假设我有个六列的dataframe：一列是销售员，一列是所属团队，其它四列分别是四个季度的销售额。
1新增列-基于原有列的全年销售额首先df["Total "]确保了你在该df内新增了一个column，然后累加便可。
df["Total"] = df["Q1"]+df["Q2"]+df["Q3"]+df["Q4"]
你可能想使用诸如sum()的函数进行这步，很可惜，sum()方法只能对列进行求和，幸好它可以帮我们求出某季度的总销售额。df["Q1"].sum()，你就能得到一个Q1的总销售额，除此之外，其他的聚合函数，max,min,mean都是可行的。
2分组统计 - 团队竞赛那么按团队进行统计呢？在mysql里是group by，Pandas里也不例外，你只需要df.groupby("Team").sum()就能看到期望的答案了。
3排序 - 谁是销售冠军如果你关心谁的全年销售额最多，那么就要求助于sort_values方法了，在excel内是右键筛选，SQL内是一个orderby。默认是顺序排列的，所以要人为设定为False，如果你只想看第一名，只需要在该语句末尾添加.head(1) 。
5切片-只给我看我关心的行接下来就是涉及一些条件值的问题，例如我只关心Team为A的数据，在Excel里是筛选框操作，在SQL里写个where就能搞定，在Pandas里需要做切片。
查看Pandas文档时，你可能已经见过各种切片的函数了，有loc,iloc,ix,iy，这里不会像教科书一样所有都讲一通让读者搞混。这种根据列值选取行数据的查询操作，推荐使用loc方法。
df.loc[df["Team"]== "A",["Salesman", "Team","Year"]]，这里用SQL语法理解更方便，loc内部逗号前面可以理解为where，逗号后可以理解为select的字段。
如果想全选出，那么只需将逗号连带后面的东西删除作为缺省，即可达到select *的效果。
6切片 - 多条件筛选在Pandas中多条件切片的写法会有些繁琐，df.loc[ (df["Team"]== "A" ) & (df["Total"] > 15000 ) ]，添加括号与条件符。
这里有一个有意思的小应用，如果你想给符合某些条件的员工打上优秀的标签，你就可以结合上述新增列和切片两点，进行条件赋值操作。
df.loc[ (df["Team"]== "A" ) & (df["Total"] > 15000 ) , "Tag"] = "Good"
7删除列 - 和查询无关，但是很有用当然这里只是个举例，这时候我想删除Tag列，可以del df["Tag"]，又回到了之前。
二、连接接下来要讲join了，现在有每小时销售员的职位对应表pos，分为Junior和Senior，要将他们按对应关系查到df中。
这里需要认识一下新朋友，merge方法，将两张表作为前两个输入，再定义连接方式和对应键。对应到Excel中是Vlookup，SQL中就是join。在pandas里的连接十分简单。
df = pd.merge(df, pos, how="inner", on="Salesman")
注意，这个时候其实我们是得到了新的df，如果不想覆盖掉原有的df，你可以在等号左边对结果重新命名。
这时候有了两组标签列（对应数值列），就可以进行多重groupby了。
当然这样的结果并不能公平地反应出哪一组更好，因为每组的组员人数不同，可能有平均数的参与会显得更合理，并且我们只想依据全年综合来评价。
这里的数据是捏造的，不过也一目了然了。
三、合并操作最后以最简单的一个合并操作收尾。
如果我又有一批数据df2，需要将两部分数据合并。只需要使用concat方法，然后传一个列表作为参数即可。不过前提是必须要保证他们具有相同类型的列，即使他们结构可能不同（df2的Team列在末尾，也不会影响concat结果，因为pandas具有自动对齐的功能）。
pd.concat([df,df2])
尾声以上就是一些基础的Pandas数据查询操作了。作为Pandas初学者，如果能善用类比迁移的方法进行学习并进行总结是大有裨益的。如果看完本文还没有能了解到你关心的查询方法，可以留言联系，或许还可以有续集。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/40958.html
摘要：下面，作者介绍了八种在中实现的可视化工具包，其中有些包还能用在其它语言中。当提到这些可视化工具时，我想到三个词探索数据分析。还可以选择样式，它模拟了像和等很流行的美化工具。有很多数据可视化的包，但没法说哪个是最好的。 showImg(https://segmentfault.com/img/remote/1460000019029121); 作者：Aaron Frederick 喜欢用...
摘要：今天要分享的是，用来写。数据处理环节效率低下，易受干扰。问题排查难以溯源。一旦数据报告有误，想要定位问题所在，常常需要从头开始复盘。结果和上面结果结构是一致的。这是官网的文档，但是却不完全适用目前的场景。 大毛 岂安科技业务风险分析师 多年订单业务反欺诈经验，负责岂安科技多款产品运营工作。 上回笔者分享过一些 pandas 的常用数据查询语法，但是数据查询对于 pandas 而言只是冰...
摘要：今天要分享的是，用来写。数据处理环节效率低下，易受干扰。问题排查难以溯源。一旦数据报告有误，想要定位问题所在，常常需要从头开始复盘。结果和上面结果结构是一致的。这是官网的文档，但是却不完全适用目前的场景。 大毛 岂安科技业务风险分析师 多年订单业务反欺诈经验，负责岂安科技多款产品运营工作。 上回笔者分享过一些 pandas 的常用数据查询语法，但是数据查询对于 pandas 而言只是冰...
摘要：最终证明，及其相关工具的效率很高，但就演示而言它们并不是最好的工具。我按编号用颜色编码了每个节点，代码如下用于可视化上面提到的稀疏图形的代码如下这个图形非常稀疏，通过最大化每个集群的间隔展现了这种稀疏化。 showImg(http://upload-images.jianshu.io/upload_images/13825820-3a550fd2e61e1674.jpg?imageMo...
阅读 2078·2023-04-25 17:57
阅读 1283·2021-11-24 09:39
阅读 2482·2019-08-29 16:39
阅读 3311·2019-08-29 13:44
阅读 3115·2019-08-29 13:14
阅读 2313·2019-08-26 11:36
阅读 3808·2019-08-26 11:00
阅读 948·2019-08-26 10:14
