pandas query
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了pandas query相关的知识,希望对你有一定的参考价值。
参考技术A query-字符串表达式查询 2019/1/61.函数:
df.query(expr,inplace = False,** kwargs )# 使用布尔表达式查询帧的列
参数:
# expr:str要评估的查询字符串。你可以在环境中引用变量,在它们前面添加一个'@'字符 。@a + b
# inplace=False:是否修改数据或返回副本
# kwargs:dict关键字参数
返回:DataFrame
注意:
# 默认修改Python语法'&'/'and'和'|'/'or'位运算符优先级高于布尔表达式,不同于Python
# 关键字参数parser='python'执行Python评估。
# engine='python' 用Python本身作为后端来传递评估表达式。不建议效率低。
# 默认实例df.index和 df.columns属性 DataFrame放在查询命名空间中,
# 这允许您将框架的索引和列视为框架中的列。标识符index用于帧索引;
# 您还可以使用索引的名称在查询中标识它。
性能:
# 涉及NumPy数组或Pandas DataFrames的复合表达式都会导致隐式创建临时数组
# eval/query用在数据(df.values.nbytes>1万)性能提升明显;传统方法在小数组时运行得更快;
# eval/query好处主要时节省内存,以及有时候简洁得语法
# 可用指定不同解析器和引擎来运行这些查询;参见"Enhancing Performance" 。
实例1:
df = pd.DataFrame(np.arange(12).reshape(3, 4), columns=list('ABCD'))
# 实例1.1:python,numexpr 方式比较
result1 = df[(df.A < 8) & (df.B < 9)] #python方式
result2 = pd.eval('df[(df.A < 8) & (df.B < 9)]')#numexpr 方式
np.allclose(result1, result2) # True
# 实例1.2:eval,query,比较
# 相同点:计算表达式结果
# 不同点:eval若表达式为逻辑,结果返回bool数组;query则返回bool数组的数据
import numexpr
result3= df[df.eval('A<8 & B<9')]
result4 = df.query('A < 8 and B < 9')
result3.equals(result4) #True 结果result1==result2==result3==result4
a=df.A;b=df.B
result5= df[numexpr.evaluate('(a<8) &(b < 9)')]#等效;表达式不能含df.A
实例2:
# 实例2:@符合来标记本地变量
Cmean = df['C'].mean() #6.0
result1 = df[(df.A < Cmean) & (df.B < Cmean)]
result1 = df.query('A < @Cmean and B < @Cmean')#等价
result1
实例3:多索引
# 实例3.1:列名
df.query('(A < B) & (B < C)') #numexpr 方式 A,B,C为列名
# 实例3.2:单索引名+列名
df.query('a < B and B < C') #a为单索引名,B,C为列名
df.query('index < B < C') #index为单索引(非索引名),B,C为列名
# 实例3.3:单索引名a与列名a相同
df.query('a > 2') # 用列'a',单索引名a与列名a相同列名称优先
df.query('index > 2') #index为单索引(非索引名),单索引名a与列名a相同列名称优先
# 实例3.4:列名为index- 应该考虑将列重命名
df.query('ilevel_0 > 2') #ilevel_0为单索引(非索引名)
实例4:多索引MultiIndex
colors = np.random.choice(['red', 'blue'], size=6)
foods = np.random.choice(['eggs', 'meat'], size=6)
index = pd.MultiIndex.from_arrays([colors, foods], names=['color', 'food'])
df = pd.DataFrame(np.arange(12).reshape(6, 2), index=index)
df
# 实:4.1:索引名
df.query('color == "red"')
# 实例4.2:索引无名称
df.index.names = [None, None]
df.query('ilevel_0 == "red"') #ilevel_0第0级的索引级别
df.query('ilevel_1 == "meat"')#ilevel_1第1级的索引级别
实例5:
#实例5:多数据df - 具有相同列名(或索引级别/名称)
df1 = pd.DataFrame(np.arange(12).reshape(4,3), columns=list('abc'))+10
df2=df1+10
expr = '19 <= a <= c <= 22'
result=list(map(lambda frame: frame.query(expr), [df1, df2]))
实例6:
# 实例6:Python与pandas语法比较
# 完全类似numpy的语法
# 实例6.1:比较运算符,逻辑运算符
df = pd.DataFrame(np.random.randint(10, size=(10, 3)), columns=list('ABC'))
df.query('(A< B) & (B< C)')
df[(df.A < df.B) & (df.B < df.C)]
df.query('A< B & B < C')
df.query('A< B and B < C')
df.query('A < B < C') #全部等价
============================================================
# 实例6.2:==操作符与list对象的特殊用法
# ==/ !=工程,以类似in/not in
df.query('b == ["a", "b", "c"]')==df[df.b.isin(["a", "b", "c"])]
df.query('c == [1, 2]')
df.query('c != [1, 2]')
# using in/not in
df.query('[1, 2] in c')
df.query('[1, 2] not in c')
df[df.c.isin([1, 2])]# pure Python
============================================================
# 实例6.3:in与not in
df = pd.DataFrame('a': list('abcdef'), 'b': list('fedfed'),'c': 5, 'd':5)
df.query('a in b and c < d') #与其他表达式结合获得非常简洁查询
df[df.b.isin(df.a) & (df.c < df.d)]
result1=df[df.a.isin(df.b)]
result2=df.query('a not in b')
result3=df[~df.a.isin(df.b)] # pure Python
============================================================
# 实例6.4:布尔运算符not或~运算符否定布尔表达式
df = pd.DataFrame(np.arange(9).reshape(3,3), columns=list('ABC'))
df['bools'] = df.eval('C>=5')
result1=df.query('not bools')
result2=(df.query('not bools') == df[~df.bools])
# 复杂表达式:
df.query('A < B< C and (not bools) or bools > 2') #短查询语法
df[(df.A < df.B) & (df.B < df.C) & (~df.bools) | (df.bools > 2)]#等效于纯Python
pandas.read_sql_query() 如何查询 TEMP 表?
【中文标题】pandas.read_sql_query() 如何查询 TEMP 表?【英文标题】:How can pandas.read_sql_query() query a TEMP table? 【发布时间】:2014-12-04 20:49:04 【问题描述】:我正在将 Python 代码转换为新的基于 SQLAlchemy 的 Pandas 0.14.1。
我们使用的一个常见模式是(通常):
connection = db.connect() # open connection/session
sql = 'CREATE TEMP TABLE table1 AS SELECT ...'
connection.execute(sql)
... other sql that creates TEMP tables from various joins of previous TEMP tables ...
sql = 'CREATE TEMP TABLE tableN AS SELECT ...'
connection.execute(sql)
result = connection.query('SELECT * FROM tableN WHERE ...')
connection.close()
现在,一旦连接关闭,数据库服务器就会清除 TEMP 表。但是,由于最终选择查询使用相同的连接/会话,它可以访问表。
如何使用 SQLAlchemy 和 pd.read_sql_query() 实现类似的效果?
例如:
engine = sqlalchemy.create_engine('netezza://@mydsn')
connection = engine.connect()
sql = 'CREATE TEMP TABLE tmptable AS SELECT ...'
connection.execute(sql)
result = pd.read_sql_query('SELECT * FROM tmptable WHERE ...', engine)
产生一个数据库错误,即 TEMP 表 tmptable 不存在。大概这是因为将引擎传递给 read_sql_query() 需要它打开一个具有独立会话范围的新连接,因此看不到 TEMP 表。这是一个合理的假设吗?
有没有办法解决这个问题? (不支持将连接传递给 read_sql_query())
(我知道我可以将 SQL 连接成一个字符串,用 ; 分隔语句,但这是对实际情况的简化,即 TEMP 表是由多个调用其他嵌套 3-4 深的函数创建的. 所以,要实现这一点,需要实现一个层,而不是在发出它之前跨多个调用合并 SQL,如果有更好的方法,我宁愿避免实现)
使用 - 熊猫:0.14.1 sqlalchemy:0.9.7 pyodbc:3.0.6 Win7 x86_64 Canopy Python 发行版 (Python 2.7.6) 来自 https://github.com/deontologician/netezza_sqlalchemy 的 Josh Kuhn 的 Netezza SQLAlchemy 方言
【问题讨论】:
您能为此打开一个 github 问题作为增强请求吗?见github.com/pydata/pandas/issues 进一步了解github.com/pydata/pandas/issues/8533 嗨,DavidJ,根据接受的答案,您知道何时关闭连接并因此删除临时表吗?就像,如果我想在多个pd.read_sql()
查询中使用该临时表,我该怎么办?谢谢!
【参考方案1】:
您使用的是 Python 和 Netezza,我使用的是 R 和 SQL Server,所以这可能会有所不同。在我的脚本中,我遇到了类似的问题。允许在数据库上运行外部代码的 T-SQL 中的 sp_execute_external_script
仅允许 select
语句。这对我来说很麻烦,因为我想运行一个存储过程来创建一个临时表以供选择。或者,我可以使用公用表表达式、联合等。这可能值得进一步研究。
【讨论】:
【参考方案2】:我了解这个问题,但创建常规表格不起作用吗?您可以在会话结束时提出一个约定,例如 CREATE TABLE TEMP_t1' etc., and
DROP`。
【讨论】:
【参考方案3】:您现在可以将可连接的 SQLAlchemy 传递给 pandas.read_sql
。来自docs:
pandas.read_sql(sql, con, index_col=None, coerce_float=True, params=None, parse_dates=None, columns=None, chunksize=None)
...
con : SQLAlchemy 可连接(引擎/连接)或数据库字符串 URI
或 DBAPI2 连接(回退模式)
使用 SQLAlchemy 可以使用该库支持的任何数据库。如果是 DBAPI2 对象,则仅支持 sqlite3。
所以,这应该可行:
engine = sqlalchemy.create_engine('netezza://@mydsn')
connection = engine.connect()
sql = 'CREATE TEMP TABLE tmptable AS SELECT ...'
connection.execute(sql)
result = pd.read_sql('SELECT * FROM tmptable WHERE ...', con=connection)
【讨论】:
【参考方案4】:正如@ssharma 所说,您现在可以将可连接的 SQLAlchemy 传递给 pandas.read_sql。 如果您使用会话创建者创建会话,则需要连接对象。
要读取未提交的更改,您必须使用相同的连接,如下所示:
engine = sqlalchemy.create_engine('netezza://@mydsn')
session = sessionmaker(bind=self.engine)()
sql = 'CREATE TEMP TABLE tmptable AS SELECT ...'
session.execute(sql)
result = pd.read_sql('SELECT * FROM tmptable WHERE ...', con=session.connection())
【讨论】:
【参考方案5】:您只需在查询的开头添加“SET NOCOUNT ON”,这样 pandas read_sql 就会将所有内容作为一个语句读取。
sSQL = '''SET NOCOUNT ON
CREATE TABLE ...... '''
【讨论】:
Carlos,我一直使用它来处理 MS SQL Server 上的复杂多语句查询。感谢您指出如此简单但有效的设置。以上是关于pandas query的主要内容,如果未能解决你的问题,请参考以下文章