python数据分析我觉得可以用pandasql，真香！

python非常好用，pandas也不差，但是，SQL仍然是最香的语言，如果把两者结合起来怎么样？请看~

下载、导入第三方库

下载：python -m pip install pandasql
导入：from pandasql import sqldf,load_births,load_meat

1from pandasql import sqldf,load_births,load_meat

加载内置数据集

1df1 = load_births()
2df2 = load_meat()

预览数据查看前几行

1df1.head()

预览数据查看后几行

1df2.tail()

调用sqldf方法，参数为sql语句

1sql = """
2        select 
3            date,count(*) as n
4        from df1 
5        group by date
6        order by n desc;
7      """
8result = sqldf(sql)
9result[result['n']==3]

对比一下，结果是相同的

1df1['date'].value_counts().head(12)

 11991-12-01    3
 21991-10-01    3
 31991-06-01    3
 41991-08-01    3
 51991-09-01    3
 61991-04-01    3
 71991-02-01    3
 81991-01-01    3
 91991-03-01    3
101991-07-01    3
111991-11-01    3
121991-05-01    3
13Name: date, dtype: int64

聚合效果

1sql2 = """
2        select max(beef),min(pork),sum(turkey),count(veal)
3        from df2;
4    """
5result2 = sqldf(sql2)
6result2

1df2.agg({'beef':max,'pork':min,'turkey':sum,'veal':'count'})

# Result
beef        2512.0
pork         124.0
turkey    185937.3
veal         827.0
dtype: float64

多表连接也是可以的哦~

1df1.merge(df2,on='date',how = 'inner')

1sql3 = """
2        select df1.*,df2.* 
3        from df1 inner join df2 
4        on df1.date = df2.date;
5        """
6result3 = sqldf(sql3)

1result3