Pandas 替代 SQL 常用查询操作详解

Pandas 查询环境准备与数据导入

在进行任何 SQL 风格的查询前，需先将外部表格数据读入内存。以下示例读取了一份包含员工信息的 Excel 文件，并预览基础数据结构：

import pandas as pd

# 请注意：实际使用时请替换为您电脑上的有效文件路径
df = pd.read_excel("C:\\Users\\qwy\\Desktop\\data\\empdata.xlsx")
print(df)

控制台打印出包含 EMPNO, ENAME, JOB, MGR, HIREDATE, SAL, COMM, DEPTNO 等字段的表格，首行索引为 0，共计 14 条员工记录。

Pandas 核心查询操作实现

第1步：指定字段查询数据（对应 SQL 的 SELECT）

目的：仅提取表中关心的列，降低内存开销。
入口/动作：在 DataFrame 对象后使用方括号，传入由目标列名构成的列表。
重要参数：字符串类型的列名列表，支持任意子集组合。
完成状态：返回一个全新的 DataFrame 对象，其中仅保留所指定的列，且默认维持原行顺序。

# 选取指定列并查看前 5 条数据
selected_df = df[['EMPNO', 'ENAME', 'JOB', 'MGR', 'HIREDATE', 'SAL', 'COMM', 'DEPTNO']].head(5)
print(selected_df)

输出结果固定显示前述 8 个字段的顶部 5 条记录，未列入列表的其他字段已被彻底剔除。

第2步：利用布尔索引进行条件过滤（对应 SQL 的 WHERE）

目的：精准定位满足特定逻辑条件的行记录。
入口/动作：构造比较运算表达式生成布尔序列，将其直接作为行掩码传递给 DataFrame。
重要参数：相等(==)、大于(>)、不等于(!=)等运算符结合具体的数值或字符串常量。
完成状态：仅当布尔表达式结果为 True 的行被保留，其余行自动过滤。

# 筛选部门编号 DEPTNO 严格等于 30 的所有人员
dept_30_df = df[df['DEPTNO'] == 30]
print(dept_30_df)

结果仅返回索引为 1, 2, 4, 5, 9, 11 的行，验证了布尔筛选机制的准确性。

第3步：通过 groupby 进行分组统计（对应 SQL 的 GROUP BY）

目的：按指定类别划分数据块，并执行计数、求和或均值等聚合分析。
入口/动作：调用 groupby('分组列') 锁定分类维度，随后链接聚合计算方法。
重要参数：分组依据的列名，或通过字典传递多列独立的聚合函数（如 np.size, np.mean）。
完成状态：返回以分组类别为索引，统计结果为值的 Series 或整合后的 DataFrame。

import numpy as np

# 统计各部门的人员总数
count_by_dept = df.groupby('DEPTNO').size()
print(count_by_dept)

# 进阶聚合：对 EMPNO 计数，同时对 SAL 计算平均值
agg_result = df.groupby('DEPTNO').aggregate({'EMPNO': np.size, 'SAL': np.mean})
print(agg_result)

输出表明 DEPTNO 10 有 3 人、20 有 5 人、30 有 6 人。第二组输出则展示了多维度的交叉统计矩阵。

第4步：限制返回记录数量（对应 SQL 的 LIMIT）

目的：获取数据样本或防止初次探查时引发性能瓶颈。
入口/动作：调用 DataFrame 内置的 head(n) 方法拦截前端数据流。
重要参数：正整数 n，代表需要从表头提取的行数。
完成状态：原始数据被安全截断，仅暴露头部 N 行，不影响底层缓存。

# 无论原始表多大，始终只拿取最前面的 5 行
limit_sample = df.head(5)
print(limit_sample)

控制台呈现索引 0 至 4 的标准记录集，行为与 LIMIT 5 完全一致。

排查建议与总结

Pandas 的逻辑引擎与传统 SQL 高度契合，熟练运用列切片、布尔掩码、分组聚合及行截取这四项核心手段，即可在 Python 环境中流畅完成各类离线报表提取工作。为确保代码顺利运行，建议在导入模块后额外确认本机已安装 openpyxl 等 Excel 读写插件，并将脚本内的绝对磁盘路径更改为实际项目文件位置。

以上就是 Pandas 执行 SQL 查询操作的详细内容，更多关于 Pandas 数据清洗与自动化办公的资料请关注本站其它相关文章！