码迷,mamicode.com
首页 > 数据库 > 详细

pandas操作mysql从放弃到入门

时间:2020-01-16 12:16:30      阅读:133      评论:0      收藏:0      [点我收藏+]

标签:dataframe   esc   tps   drop   column   info   使用   desc   格式   

相关帮助文档

一、如何读取数据库-read_sql

示例代码如下

from sqlalchemy import create_engine
import pandas as pd

username = '用户名'
password = '密码'
host = '连接地址'
db = '数据库'
port = 端口号

link = f'''mysql+pymysql://{username}:{password}@{host}:{port}/{db}?charset=utf8'''
engine = create_engine(link, pool_recycle=3600)

核心方法read_sql

log:pd.DataFrame = pd.read_sql("SELECT * FROM log ORDER BY id DESC ",engine)

执行结果如下
技术图片

二、如何筛选数据

  • 筛选创建时间大于某个时间点的记录
import datetime
log[log['create_time'] > '2020-01-15 16:14:22']

技术图片

  • 筛选指定列的DataFrame
    直接传递数组给给DataFrame
logs[['user_id','type']]

技术图片

  • 获取一列Series
logs['type']

技术图片

三、如何连表-merge

现在我需要将user_id对应的用户名找出来,示例代码如下

查询出所有的用户,以便将log和users做join
users:pd.DataFrame=pd.read_sql("SELECT * FROM users",engine)
users

技术图片

  • users和log的字段太多,先做一下筛选
log=log[['type','user_id','project_id','create_time']]
users=users[['id','username','real_name']]

执行join,使用merge方法,how指定左连,left_on指定左表使用的字段, right_on指定右表使用的字段

log.merge(users,how='left',left_on='user_id',right_on='id')

技术图片

四、如何删除一行或一列-drop

drop方法,axis为0代表行,1代表列

renameRes.drop('创建时间',axis=1)

五、如何分组统计-groupyby

dropRes.groupby(['type','real_name']).count()

六、如何排序-sort_values/sort_index

by指定字段,ascending指定升序还是降序

log.sort_values(by='user_id',ascending=False)

技术图片

七、如何重建索引-groupby(as_index=False)/reset_index

默认groupby后的结果是行索引是groupby的字段

log.merge(users,how='left',left_on='user_id',right_on='id').groupby('type').count()

技术图片
groupby指定参数as_index

log.merge(users,how='left',left_on='user_id',right_on='id').groupby('type',as_index=False).count()

技术图片

另外,还可以count完后直接调用reset_index方法

log.merge(users,how='left',left_on='user_id',right_on='id').groupby('type').count().reset_index()

技术图片

八、如何翻转dataframe-T

log.T

技术图片

九、如何重命名列-rename

使用rename方法,传递一个字典即可,如下

pd.DataFrame = res[['type','username','real_name','create_time']].rename({'create_time':'创建时间'},axis=1)

十、如何强制转换类型-astype

log['create_time'].astype(str)

十一、groupby只有一列时如何count-size

count是必须依赖其他列做统计的,当只有一列的时候如何还使用count,是看不出统计字段的,正确的方法应该是使用size

test4=pd.read_sql("SELECT `type` FROM log LIMIT 100",engine)
test4.groupby('type').size()

技术图片

十二、如何操作时间-.dt.

例如,要将create_time转为YY-MM-DD格式,可以使用函数.dt.date

log['create_time'].dt.date

技术图片
具体方法可以参考Series的API文档的Datetime操作

十三、如何操作字符串-.str.

例如,转为大写

log['type'].str.upper()

技术图片
具体方法可以参考Series的API文档的字符串操作

十四、如何进行数据透视-pivot/pivot_table

简单的理解就是一个更高级的groupy功能

df = pd.DataFrame({'foo': ['one', 'one', 'one', 'two', 'two',
                            'two'],
                    'bar': ['A', 'B', 'C', 'A', 'B', 'C'],
                    'baz': [1, 2, 3, 4, 5, 6],
                    'zoo': ['x', 'y', 'z', 'q', 'w', 't']})
df.pivot(index='foo', columns='bar', values='baz')

技术图片

pandas操作mysql从放弃到入门

标签:dataframe   esc   tps   drop   column   info   使用   desc   格式   

原文地址:https://www.cnblogs.com/chenqionghe/p/12197607.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!