用dataframe重写sql查询；如何从选择中混合不同的来源

Posted 2023-05-09

【中文标题】用dataframe重写sql查询；如何从选择中混合不同的来源

【英文标题】：Rewriting the sql query with dataframe; how to mix different sources from select

【发布时间】：2021-05-13 15:09:20

【问题描述】：

我需要使用 pandas 和数据框重写 sql 查询，并通过几个连接到 python。进行联接没有问题，但是当我想引用并非严格来自联接的数据时，它会变得复杂。

要重写的SQL：

SELECT 
    table1.id,
    field1,
    field2,
    count(DISTINCT x.apple, x.grape) AS fruits,
    min(x.time) min_value
FROM table1
    JOIN table2 x using(id)
    LEFT JOIN table3 using(id)
GROUP BY 1,2,3

我当前的代码：

mydf, df2, df3 = ...
mydf.merge(df2, on=['id'], how='inner')
mydf.merge(df3, on['id'], how='left')
mydf = mydf[['id', 'field1', 'field2']] # problem, missing fruits, min_value and id should be table1.id
mydf.groupby('id', 'field1', 'field2')

我知道如何加入它们，但我不知道如何创建一个数据框，该数据框将包含来自选择的所需元素，例如table1.id 或 min(x.time) min_value

表格

Table1 columns: [id, field1, field2, field1_2, field1_3]
Table2 columns: [id, field1, field2, apple, grape, time, field2_1, field2_2]
Table3 columns: [id, field1, field2, field3_1, field3_2]

编辑：我添加了示例表，更正了代码第 4 行中的错误，并添加了摘要。

【问题讨论】：

您有可以用来测试我们的解决方案的示例数据吗？

在创建数据框时，您需要确保仅选择相关列。这样加入和结果将与预期相同。同样在您的示例中，您还没有在 Python 中完成分组。

如果您想确保可以在这里得到答案，最好提供一些示例数据（例如，合并后数据框的前几行）。

【参考方案1】：

试试这个：

    mydf = mydf[['id', 'table1', 'table2']]

【讨论】：

对不起，我犯了一个错误，我提供了错误的代码。而不是mydf = mydf[mydf['id', 'field1', 'field2']] 我的意思是mydf = mydf[['id', 'field1', 'field2']]。我已经纠正了帖子中的错误。