在 Pandas 中执行 SQL 查询

1. 在 Python 中使用 pandasql 运行 SQL 查询
2. 在 Python 中使用 DuckDB 运行 SQL 查询
3. 在 Python 中使用 Fugue 运行 SQL 查询

SQL 代表结构化查询语言；它是一种用于与关系数据库交互的著名语言。在 Python 中运行 SQL 查询有很多方法。

在 Python 中使用 pandasql 运行 SQL 查询

这个包有一个类似 R 中的 sqldf 的 sqldf 方法。pandasql 提供了一种更熟悉的方式来对 DataFrame 执行 CRUD 操作。

在我们使用 pandasql 之前，我们必须先使用以下命令安装它。

#Python 3.x
pip install -U pandasql

我们将从 pandasql 模块导入 sqldf 方法来运行查询。然后我们将调用带有两个参数的 sqldf 方法。

第一个参数是字符串格式的 SQL 查询。第二个参数是一组会话/环境变量（globals() 或 locals()）。

在以下代码中，首先，我们将 Student.csv 数据上传到 Jupyter 笔记本的当前工作目录。然后我们在 DataFrame 上使用传统的 SQL Select 查询读取了学生的记录；它将显示 DataFrame 中的所有记录。

# Python 3.x
import pandas as pd
from pandasql import sqldf


def mysql(q):
    return sqldf(q, globals())


df = pd.read_csv("Student.csv")
mysql("SELECT * FROM df")

输出：

我们在 SQL 查询中使用了 WHERE 子句，仅显示满足以下代码中给定条件的选定记录。

# Python 3.x
import pandas as pd
from pandasql import sqldf


def mysql(q):
    return sqldf(q, globals())


df = pd.read_csv("Student.csv")
mysql("SELECT * FROM df WHERE Department = 'SE'")

输出：

在 Python 中使用 DuckDB 运行 SQL 查询

DuckDB 是一个 Python API 和一个使用 SQL 查询与数据库交互的数据库管理系统。

要使用 DuckDB，我们应该首先使用以下命令安装它。

#Python 3.x
pip install duckdb

在下面的代码中，我们导入了 duckdb 和 Pandas 包，读取 CSV 文件并通过使用 duckdb 调用 query() 方法来运行查询。我们将查询（作为参数）传递给 query() 方法。

代码将结果作为 DataFrame 返回。我们可以根据 DataFrame 编写我们选择的任何 SQL 查询。

# Python 3.x
import pandas as pd
import duckdb

df = pd.read_csv("Student.csv")
duckdb.query("SELECT * FROM df").df()

输出：

在 Python 中使用 Fugue 运行 SQL 查询

Fugue 是分布式计算的统一接口，允许用户在 Spark 和 Dask 上运行 Python、Pandas 和 SQL 代码而无需重写。

我们必须先使用以下命令安装它才能使用 fugue。

#Python 3.x
pip install fugue[sql]

我们在以下代码中导入了 Pandas 和 fugue 包，并使用 CSV 文件加载了 DataFrame。然后我们将我们的 SQL 查询传递给 fsql() 方法并使用它调用 run() 方法。

# Python 3.x
import pandas as pd
from fugue_sql import fsql

df = pd.read_csv("Student.csv")
query = "SELECT * FROM df PRINT"
fsql(query).run()

输出：