pandas query

Posted 2023-04-28

参考技术A query-字符串表达式查询 2019/1/6

1.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。

【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., andDROP`。

【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)

【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())

【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。