Python也能写SQL，简单的数据库查询~

青旅半醒 2022-09-14 03:16 236阅读 0赞

通常我们在Excel中写函数公式，在SQL软件中写SQL，在Python软件中写Python，但是，某一天突发奇想，我要是在Python中写SQL能否实现呢？要知道Python可是万能的，Python除了不能生孩子，其他事都能做。

通过网络查询，我发现了这样一个库，它居然能在Python中写SQL，而且SQL语法在Python中完全支持，这就是下文我们详细介绍的pandasql库，在Python中写SQL能够做到手写自如，下面一起来学习~

> 本文使用工具：Python 3.7.0
> 
> 本文使用的函数：pandas、pandasql  
> 
> 
> 适用范围：pandasql库的使用、sql简单查询

![df27ae31f758cc18d1492fdd4c0320c4.gif][]

##  ##

数据获取

下载案例数据，使用pandas库导入数据，在后续的数据筛选时我们发现累计票房（万），这个字段由于在SQL中识别括号时，字段报错，所以数据导入后直接重命名字段名称。

import pandas as pd
    df=pd.read_excel(r'C:\Users\尚天强\Desktop\数据合并.xlsx')
    #重命名
    df.rename(columns={'累计票房(万)':'累计票房'}, inplace = True)
    df.head()

![535b8cf8a29b8bfdab382dc18c10e879.png][]

要使用pandasql库的功能，需要提前下载pandasql库，这个库有没有跟pandas库很像，只是末尾缀加了sql，通常下载库，我们需要到终端输入pip install pandasql进行下载，这里只需要在代码行里加一个感叹号"!"，就可以直接下载成功。

##  ##

pandasql库安装

!pip install pandasql

![2ae0bf1be7ed13862f6e3316ac216aa8.png][]

下载库后，导入pandasql库进行使用。

#导入pandasql库
    import pandasql as sql

##  ##

pandasql库使用

查询df表所有的数据，其中"\*"号代表导入全部的数据。

#1.查询df表所有的数据
    sql.sqldf("""select * from df;""")

![97de64aeb4dc7fd4b08056d04bff8f00.png][]

查询上映时间为2016年的所有电影信息（单一数据），添加一个where子句，where后面添加筛选条件。

#2.查询上映时间为2016年的所有电影信息（单一数据）
    sql.sqldf("""select * from df
                 where 上映时间=2016;""")

![88f8aeacc5e67ba3b22615a6bb626ec7.png][]

查询所有电影的名称、电影主演和累计票房（单一字段选取），这里添加单独的字段即可进行筛选。

#3.查询所有电影的名称、电影主演和累计票房（单一字段选取）
    sql.sqldf("""select 电影名称,电影主演,累计票房 from df;""")

![2ba2ff2b3c79b25da9536fb29a4b771b.png][]

查询2016年上映的电影且累计票房大于9000的电影信息（组合），这里并列两个条件且需要同时满足，使用and函数。

#4.查询2016年上映的电影且累计票房大于9000的电影信息（组合）
    sql.sqldf("""select * from df
                 where 上映时间=2016
                 and 累计票房>90000;""")

![49c0a1937ab72e5a8338401a5dc14cf9.png][]

查询上映时间为2016，2017，2018的电影信息（组合），如果查询条件不需要同时满足，只要满足其一即可，使用or函数。

#5.查询上映时间为2016，2017，2018的电影信息（组合）
    sql.sqldf("""select * from df
                 where 上映时间=2016 
                 or 上映时间=2017 
                 or 上映时间=2018;""")

![f1456a707031cfdf333a164ba98596fa.png][]

查询累计票房在150000到200000之间的电影信息（范围查询），条件值在某个区间内，使用 between and函数进行条件限制。

#6.查询累计票房在150000到200000之间的电影信息（范围查间）
    sql.sqldf("""select * from df
                 where 累计票房 between 150000 and 200000;""")

![084b90fdea37c2eb92fb40ab106325ea.png][]

查询电影导演为张艺谋，徐克，陈凯歌的电影信息（集合查询），限制条件在某几个值中，可以使用in进行筛选。

#7.查询电影导演为张艺谋，徐克，陈凯歌的电影信息（集合查询）
    sql.sqldf("""select * from df
                 where 电影导演 in ('张艺谋','徐克','陈凯歌');""")

![aefc205da03cfd87866c1a5e00066004.png][]

查询电影名称、电影导演和累计票房并起别名（别名），起别名我们用到as函数，后面跟具体的别名即可。

#8.查询电影名称、电影导演和累计票房并起别名（别名）
    sql.sqldf("""select 电影名称 as 电影名,电影导演 as 导演,累计票房 as '累计票房/万元'
                 from df as table1;""")

![ae5e58bc30f467f3b3ab1d0191f48b63.png][]

查询电影中所有的电影类型（去重），数据去重使用distinct函数。

#9.查询电影中所有的电影类型（去重）
    sql.sqldf("""select distinct 电影类型 from df;""")

![09fa3284cc6bf2197ae88b3d60567a9c.png][]

查询电影表中累计票房为空的信息（null判断），在where子句中判断是否为null，这里使用is判断，而不是等于号。

#10.查询电影表中累计票房为空的信息（null判断）
    sql.sqldf("""select * from df
                 where 累计票房 is null;""")

![64526d82ada895943bda7fc79dbcc375.png][]

查询电影主演以刘开头的所有信息(模糊查询)，使用like模糊查询，其中%表示任意0个或多个字符，可匹配任意类型和长度的字符。

#11.查询电影主演以刘开头的所有信息(模糊查询)
    sql.sqldf("""select * from df
                 where 电影主演 like '刘%';""")

![40b5893bd1432099b7ef50a6457b2fa3.png][]

查询电影主演以德华结尾的所有信息(模糊查询)。

#12.查询电影主演以德华结尾的所有信息(模糊查询)
    sql.sqldf("""select * from df
                 where 电影主演 like '%德华';""")

![fbce8f9f420c77c0fc54d9ac8d8786c8.png][]

查询电影主演包含德字的所有信息(模糊查询)。

#13.查询电影主演包含德字的所有信息(模糊查询)
    sql.sqldf("""select * from df
                 where 电影主演 like '%德%';""")

![151e507e91dc8a05637614b21658c199.png][]

查询电影主演名字中第二个字是天字，使用like模糊查询，其中\_ 表示任意单个字符，匹配单个任意字符，它常用来限制表达式的字符长度语句。

#14.查询电影主演名字中第二个字是天字
    sql.sqldf("""select * from df
                 where 电影主演 like '_天%';""")

![5bf4c5bf9537afec2cd3dd863ad68219.png][]

查询电影导演为徐克且按照累计票房降序排列，order by默认升序排列，desc降序排列。

#15.查询电影导演为徐克且按照累计票房降序排列
    sql.sqldf("""select * from df
                 where 电影导演 = '徐克'
                 order by 累计票房 desc;""")

![2f1089abfd4dae5088852de53038e0c2.png][]

限制结果查询，其中limit3,5表示从第三行开始查询5行记录。

#16.限制结果查询
    sql.sqldf("""select * from df
                 limit 3,5;""")

![71ec1fefd5aec935749b3f3bc46f2bf5.png][]

![7636d1580751940d628940a53bdf061e.gif][]

点击下方卡片进行关注，获取更多内容

![129536011f76dce78caaf7961fcc5b21.png][]

点分享

![55df5b099a1706a7ff2eb13745b5e877.png][]

点收藏

![089c6f34ae6c7f0208885d1972e4f77c.png][]

点点赞

![783b6a8b7ba1c80d571f46149b297a43.png][]

点在看

[df27ae31f758cc18d1492fdd4c0320c4.gif]: /images/20220828/2286cb127b5341949eda535869dd3f44.png
[535b8cf8a29b8bfdab382dc18c10e879.png]: /images/20220828/6bf51fff31144bf388fc59b3cea4d599.png
[2ae0bf1be7ed13862f6e3316ac216aa8.png]: /images/20220828/713a45d323a3422a8d36e7e907786b55.png
[97de64aeb4dc7fd4b08056d04bff8f00.png]: /images/20220828/791f615bb25d460cb9c397d8a51b041f.png
[88f8aeacc5e67ba3b22615a6bb626ec7.png]: /images/20220828/c5603d4b1bc6444c968d82b1753f2056.png
[2ba2ff2b3c79b25da9536fb29a4b771b.png]: /images/20220828/f17dc5f07194455a9c2ff751fedcba6c.png
[49c0a1937ab72e5a8338401a5dc14cf9.png]: /images/20220828/ca59aca0709247349bc08f8d624cfe52.png
[f1456a707031cfdf333a164ba98596fa.png]: /images/20220828/a0e7afdbf6bd4b67b0891fbc8fbb7c2a.png
[084b90fdea37c2eb92fb40ab106325ea.png]: /images/20220828/54326a3987bc412b92a329f9974fc522.png
[aefc205da03cfd87866c1a5e00066004.png]: /images/20220828/24e8306bf7654752b1d61b63250eccee.png
[ae5e58bc30f467f3b3ab1d0191f48b63.png]: /images/20220828/5aa778ec780a4eac90cf0799324d4719.png
[09fa3284cc6bf2197ae88b3d60567a9c.png]: /images/20220828/f2acd5d2baa24afbbb11a8b4221d7fdf.png
[64526d82ada895943bda7fc79dbcc375.png]: /images/20220828/7598e24e7fc044e9bcf84b6beee44648.png
[40b5893bd1432099b7ef50a6457b2fa3.png]: /images/20220828/e72eed7608e54c918b8a73adf4846271.png
[fbce8f9f420c77c0fc54d9ac8d8786c8.png]: /images/20220828/e6fd94c93fef4ac0b862515fc71abf71.png
[151e507e91dc8a05637614b21658c199.png]: /images/20220828/740d67bd77cf4b97a1a1228a93e7c32e.png
[5bf4c5bf9537afec2cd3dd863ad68219.png]: /images/20220828/06265aa1a60d4c29a7bc2099bbdee6b2.png
[2f1089abfd4dae5088852de53038e0c2.png]: /images/20220828/8d27a988bb3549a89ec0d03d6cd5f9cb.png
[71ec1fefd5aec935749b3f3bc46f2bf5.png]: /images/20220828/5204c4a19fad458e8224d1bbf164c6e4.png
[7636d1580751940d628940a53bdf061e.gif]: /images/20220828/30d5a6e860e74838b0893f448b22b755.png
[129536011f76dce78caaf7961fcc5b21.png]: /images/20220828/0fe2e0f8b63746e295d7e2741bc65252.png
[55df5b099a1706a7ff2eb13745b5e877.png]: /images/20220828/91646b5dec5e43039916dab96cf88ce7.png
[089c6f34ae6c7f0208885d1972e4f77c.png]: /images/20220828/7e6789057b6a44c49dacaf2678bc215c.png
[783b6a8b7ba1c80d571f46149b297a43.png]: /images/20220828/dbc895ffef414f6ba20f58ed51fe68a9.png