Переход от реляционных баз данных к анализу в Python часто требует адаптации SQL-мышления под объектную модель библиотеки Pandas. Ниже приведены ключевые соответствия операций:
- Фильтрация:
WHERE col = 'val'заменяется на булево индексированиеdf[df['col'] == 'val']. - Сортировка:
ORDER BY col ASCсопоставима сdf.sort_values(by='col', ascending=True). - Группировка:
GROUP BY g_colвыражается через шаблон split-apply-combine:df.groupby('g_col')['col'].mean(). - Объединение таблиц:
JOINреализуется через методpd.merge(t1, t2, on='key'), аUNION ALL— черезpd.concat([t1, t2]).
Однако прямое механическое копирование логики может привести к ошибкам в расчетах из-за разной семантики. Во-первых, SQL-функция COUNT(column) полностью игнорирует значения NULL, в то время как Pandas-метод .count() считает только непустые (non-NA) элементы, а функции len(df) или .size() вернут полный размер структуры. Во-вторых, SQL-оператор UNION по умолчанию удаляет дубликаты строк, тогда как pd.concat оставляет их (аналог UNION ALL), требуя вызова .drop_duplicates() для дедупликации. Наконец, pd.merge по умолчанию выполняет внутреннее соединение (inner join), если не указан параметр how. Понимание этих нюансов позволяет переносить логику обработки данных без потери точности.
