conclusion:
Dans ce billet, nous avons vu la facilité avec laquelle nous pouvons utiliser des requêtes SQL pour opérer sur les DataFrames. Cela nous donne une possibilité unique. Cette arme peut être puissante dans l'arsenal de n'importe quel data scientist, qui connaît à la fois SQL et Python.
Les deux sont des langages puissants et ont leurs forces et faiblesses respectives. En utilisant la méthode indiquée dans cet article, ou autrement dit, en utilisant le pandasql bibliothèque et sqldf une fonction, nous pouvons utiliser la méthode la meilleure et la plus efficace pour manipuler les données, bien dans l'environnement Python et même Jupyter Notebook. C'est de la musique à mes oreilles. J'espère que vous avez apprécié le song aussi.
Dans ce billet, vu comment utiliser les requêtes SQL dans Python. Mais si vous voulez connecter les deux chevaux de bataille les plus puissants du monde de la science des données, SQL et Python. Ce n'est pas la fin, mais juste la première étape pour obtenir le meilleur des deux mondes.
Remarques finales
Vous pouvez maintenant commencer à utiliser Python pour travailler avec vos données qui reposent dans des bases de données SQL. Pour pouvoir se connecter à vos bases de données SQL, consultez mon post Comment entrer et utiliser le base de donnéesUne base de données est un ensemble organisé d’informations qui vous permet de stocker, Gérez et récupérez efficacement les données. Utilisé dans diverses applications, Des systèmes d’entreprise aux plateformes en ligne, Les bases de données peuvent être relationnelles ou non relationnelles. Une bonne conception est essentielle pour optimiser les performances et garantir l’intégrité de l’information, facilitant ainsi la prise de décision éclairée dans différents contextes.... SQL avec pyodbc en Python. Une fois amené en tant que DataFrame, toutes les opérations sont des opérations Pandas régulières ou des requêtes SQL qui sont exécutées sur Pandas DataFrame, comme tu l'as vu dans ce post.
En dehors de la fonction SQL montrée dans ce post, de nombreuses autres fonctions SQL populaires peuvent être facilement implémentées en Python. Léa 15 Fonctions Pandas pour répliquer les requêtes SQL de base en Python et apprendre à le faire.
L'apprentissage implicite de cet article était que vous pouvez utiliser Python pour faire des choses que vous pensiez n'être possibles qu'en utilisant SQL. Il peut y avoir ou non une solution simple aux choses, mais si tu veux le trouver, il y a suffisamment de ressources à votre disposition pour trouver une issue. Vous pouvez voir le mix and match apprendre de mon livre, PYTHON FACILE – Guide pas à pas de la programmation et de l'analyse de données à l'aide de Python pour débutants et intermédiaires.
A propos de l'auteur: soja Nilabh Nishchhal. J'aime faciliter des sujets apparemment difficiles et écrire à leur sujet. Voir plus à https://www.authornilabh.com/. Ma tentative de rendre Python facile et réalisable pour tout le monde est Python en toute simplicité.
Crédit photo de couverture: photo par Norbert Hentges sur Unsplash
Les médias présentés dans cet article ne sont pas la propriété de DataPeaker et sont utilisés à la discrétion de l'auteur.
