数据分析哪家强？选Pandas还是选SQL

又是新的一周，今天小编打算来讲一下Pandas和SQL之间语法的差异，相信对于不少数据分析师而言，无论是Pandas模块还是SQL，都是日常学习工作当中用的非常多的工具，当然我们也可以在Pandas模块当中来调用SQL语句，通过调用read_sql()方法

建立数据库

首先我们通过SQL语句新建一个数据库，基本的语法相信大家肯定都清楚，

CREATE TABLE 表名 (  
  字段名称 数据类型 ...  
)  

那么我们来看一下具体的代码

import pandas as pd  
import sqlite3  
connector = sqlite3.connect('public.db')  
my\_cursor = connector.cursor()  
my\_cursor.executescript("""  
CREATE TABLE sweets\_types  
(  
    id integer NOT NULL,  
    name character varying NOT NULL,  
    PRIMARY KEY (id)  
);  
...篇幅有限，详细参考源码...  
""")  

同时我们也往这些新建的表格当中插入数据，代码如下

my\_cursor.executescript("""  
INSERT INTO sweets\_types(name) VALUES  
    ('waffles'),  
    ('candy'),  
    ('marmalade'),  
    ('cookies'),  
    ('chocolate');  
...篇幅有限，详细参考源码...  
""")  

我们可以通过下面的代码来查看新建的表格，并且转换成DataFrame格式的数据集，代码如下

df_sweets = pd.read_sql("SELECT * FROM sweets;", connector)   

output

我们总共新建了5个数据集，主要是涉及到了甜品、甜品的种类以及加工和仓储的数据，而例如甜品的数据集当中主要包括的有甜品的重量、糖分的含量、生产的日期和过期的时间、成本等数据，以及

df_manufacturers = pd.read_sql("SELECT * FROM manufacturers", connector)   

output

加工的数据集当中则涉及到了工厂的主要负责人和联系方式，而仓储的数据集当中则涉及到了仓储的详细地址、城市所在地等等

df_storehouses = pd.read_sql("SELECT * FROM storehouses", connector)   

output

还有甜品的种类数据集，

df_sweets_types = pd.read_sql("SELECT * FROM sweets_types;", connector)   

output

</