Для аналитиков и инженеров, переносящих логику обработки данных из SQL в Python-пайплайны, официальное руководство Comparison with SQL в документации Pandas систематизирует соответствие типовых команд:
- Фильтрация (
WHERE): булева маскаdf[df['status'] == 'active']. - Сортировка и уникальность (
ORDER BY,DISTINCT):df.sort_values('date', ascending=False)иdf.drop_duplicates(). - Обработка пропусков и типов (
COALESCE,CAST):df['col'].fillna(0)иdf['col'].astype('int64'). - Групповые метрики (
GROUP BY):df.groupby('dept').agg(total=('salary', 'sum'), avg=('salary', 'mean')). - Объединение таблиц (
JOIN,UNION ALL):pd.merge(left, right, on='id', how='inner')иpd.concat([df1, df2]).
Инженерный нюанс: в отличие от SQL, где значения NULL не равны друг другу в операциях JOIN, метод pd.merge по умолчанию сопоставляет строки с NaN-ключами. Кроме того, обработка в Pandas происходит в оперативной памяти (in-memory), поэтому первичную фильтрацию тяжелых таблиц безопаснее выполнять на стороне СУБД.
