SQL和Python的集合操作对比

本篇内容主要讲解“SQL和Python的集合操作对比”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“SQL和Python的集合操作对比”吧!

集合操作

分析式问题通常需要检查多个不同的数据集。在解答过程中，通过比较或组合不同的数据集来创建一组新数据集，非常有效。

例如，你可能有两个单独的表，其中包含要转换为单个事务表的事务性数据，你想把它们合并为一个表，或者创建一个同时包含两个表中数据的新事务表。

在SQL中，集合操作符可以解决这个问题。集合操作符支持对比性操作，可以有条件地连结两个SQL语句的结果集。SQL集合操作符包括：

• UNION：从待比较的两个查询语句返回结果行。在默认情况下，如果两个SQL语句的结果集中存在相同的行，则UNION不会返回重复行。如果你想返回重复行，可以向集合操作符UNION提供可选ALL关键字。

• INTERSECT：返回位于两个待比较的查询语句结果集中的行。

• EXCEPT(或者MINUS)：返回到非待比较的查询语句结果集中的行。

虽然Python中没有特定的集合操作符种类，但Python中仍然有各种各样的函数可以实现这些功能。

为了说明如何在实践中使用这些集合操作，先假设你作为一名双边市场数据科学家。在你的市场中有买家和卖家，二者并不相互排斥。现在，买卖双方分别存在于buyers和sellers表格的数据库中。让我们来浏览一下集合操作可能发挥作用的几种场景。

合并和合并所有

假设你想把存在于buyers和sellers表格中的所有用户合并到一个新的单独的“用户”表格中。

在SQL中，你可以使用UNION操作符和可选ALL关键字来实现：

-- SQLselect user_id  from modeanalytics.buyers  union all  select user_id  from modeanalytics.sellers

在Python中，可以使用pandas .concat()函数复制上面执行的UNION ALL集合操作。

pandas  .concat()方法沿着选定的轴连接pandas对象(例如Dataframes，Series等)。假设您已将buyers和sellers数据库表格中user_id字段存储在两个pandas数据框对象中(buyers  和 sellers)，你可以使用以下Python代码复制上面执行过的UNION ALL集合操作：

# Python users = pd.concat([buyers, sellers])

需要注意的是，在SQL中使用UNION和ALL关键字，或者在Python中使用pandas  concat()方法，你将把存在于两个表格中的用户(用户即是买家又是卖家)返回到重复行。但是，如果你只想返回存在于两个表中的一个用户的单一实例时：

在SQL中，从UNION集合操作符中移除ALL关键字：

-- SQLselect user_id  from modeanalytics.buyers  union  select user_id  from modeanalytics.sellers

在Python中，将.drop_duplicates()方法链接在连接pandas对象上：

# Python users = pd.concat([buyers, sellers]).drop_duplicates()

交集

反之，如果你想创建一个既是买家又是卖家的独立用户表格呢?

在SQL中，你可以使用INTERSECT集合操作符：

-- SQLselect user_id  from modeanalytics.buyers  intersect  select user_id  from modeanalytics.sellers

在Python中，你可以在数据框中使用pandas .merge()方法：

Python buyers_and_sellers = buyers.merge(sellers)

默认情况下，pandas  .merge()方法将尝试将两个数据框中的所有列进行“内部”合并。此默认操作基本复制了SQL集合操作符INTERSECT的步骤。

差集

现在，如果你想返回到所有买家用户，而不是卖家用户。

在SQL中，你可以使用EXCEPT集合操作：

-- SQL select user_id from modeanalytics.buyers except select user_id from modeanalytics.sellers

值得注意的是，SQL的EXCEPT集合操作符只能返回到***个表格，不能返回到第二个表格。如果你想要返回到卖方的表格中，你需要颠倒SELECT语句的顺序：

-- SQL select user_id from modeanalytics.sellers except select user_id from modeanalytics.buyers

在Python中，利用pandas布尔索引技术和pandas .isin() 索引来复制SQL EXCEPT集合操作符的功能：

# Python  buyers_not_sellers = buyers[buyers.user_id.isin(sellers.user_id) == False]  sellers_not_buyers = sellers[sellers.user_id.isin(buyers.user_id) == False]`

模糊界限

到这里，你已经了解了如何在Python中复制大量SQL集合操作符的功能。最终，编程模式的选择取决于你，甚至可以在项目基础上逐个改动。只有通过掌握分析语言功能上的重叠，才能有效做出决策。这就是使用多种数据分析语言的好处：你可以自定义一个混合方法来满足你不断发展的需求。

到此，相信大家对“SQL和Python的集合操作对比”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！