Python Pandas en SQL | 2026-gids voor naadloze data-analyse

Python Pandas en SQL vormen de basis voor data-analyse, machine learning en ETL-pipelines. Het verwerken van grote DataFrames en het uitvoeren van complexe databasequery's vereist efficiëntie zonder dat dit ten koste gaat van de duidelijkheid van de code.

Deze handleiding behandelt de installatie van pandasql en de native SQL-methoden van Pandas, presenteert praktijkvoorbeelden van DataFrame-query's en schetst best practices voor het optimaliseren van analyseworkflows en rapportages.

De brug: pandasql en native Pandas SQL-integratie

Pandasql maakt het mogelijk om SQL-query's rechtstreeks op Pandas DataFrames uit te voeren, waardoor het niet nodig is om gegevens te exporteren , een aparte database in te richten of extra API's te gebruiken; gebruikers schrijven eenvoudigweg SQL-instructies, ontvangen een resulterend DataFrame en kunnen ongestoord verder werken.

Pandasql installeren

python

pip install pandasql

Nu bent u klaar om SQL en Pandas als een professional te combineren.

Aan de slag: basisgebruik

Laten we een eenvoudig voorbeeld bekijken. Stel dat je een DataFrame hebt:

python

import pandas as pd
import pandasql as psql

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)

query = "SELECT * FROM df"
result = psql.sqldf(query, locals())
print(result)

Dit retourneert het volledige DataFrame, net zoals df.head() maar met behulp van SQL-syntaxis. Je kunt nu filteren, groeperen en samenvoegen, net zoals je dat in een database zou doen.

Real-world data-analyse met Pandas en SQL

Laten we eens kijken naar een praktische dataset. Stel je voor dat je een dataset over autoverkoop analyseert met kolommen zoals brand, model, year, price, mileage En nog veel meer.

Gegevens laden en verkennen

python

import pandas as pd
import pandasql as ps

car_data = pd.read_csv("cars_datasets.csv")
print(car_data.head())

print(car_data.info())
print(car_data.isnull().sum())

Je ziet de kolomnamen, gegevenstypen en eventuele ontbrekende waarden – essentieel voor een kwalitatieve data-analyse.

SQL-query's uitvoeren op dataframes

python

def q(query):
    return ps.sqldf(query, {'car_data': car_data})

q("""
SELECT brand, model, year, price
FROM car_data
ORDER BY price DESC
LIMIT 10
""")

python

q("""
SELECT brand, ROUND(AVG(price), 2) AS avg_price
FROM car_data
GROUP BY brand
ORDER BY avg_price DESC
""")

python

q("""
SELECT *
FROM car_data
WHERE year > 2015
ORDER BY year DESC
""")

python

q("""
SELECT brand, COUNT(*) as total_listed
FROM car_data
GROUP BY brand
ORDER BY total_listed DESC
LIMIT 5
""")

python

q("""
SELECT condition, ROUND(AVG(price), 2) AS avg_price, COUNT(*) as listings
FROM car_data
GROUP BY condition
ORDER BY avg_price DESC
""")

python

q("""
SELECT brand,
ROUND(AVG(mileage), 2) AS avg_mileage,
ROUND(AVG(price), 2) AS avg_price,
COUNT(*) AS total_listings
FROM car_data
GROUP BY brand
ORDER BY avg_price DESC
LIMIT 10
""")

python

q("""
SELECT brand,
ROUND(AVG(price/mileage), 4) AS price_per_mile,
COUNT(*) AS total
FROM car_data
WHERE mileage > 0
GROUP BY brand
ORDER BY price_per_mile DESC
LIMIT 10
""")

U kunt zelfs widgets en Plotly gebruiken voor interactieve dashboards:

python

import plotly.express as px
import ipywidgets as widgets

state_dropdown = widgets.Dropdown(
    options=car_data['state'].unique().tolist(),
    value=car_data['state'].unique()[0],
    description='Select State:',
    layout=widgets.Layout(width='50%')
)

def plot_avg_price_state(state_selected):
    query = f"""
    SELECT brand, AVG(price) AS avg_price
    FROM car_data
    WHERE state = '{state_selected}'
    GROUP BY brand
    ORDER BY avg_price DESC
    """
    result = q(query)
    fig = px.bar(result, x='brand', y='avg_price', color='brand',
                 title=f"Average Car Price in {state_selected}")
    fig.show()

widgets.interact(plot_avg_price_state, state_selected=state_dropdown)

Dit maakt uw analyse interactief en visueel aantrekkelijk – perfect voor dashboards of presentaties.

Verder dan pandasql: Native Pandas SQL-bewerkingen

Hoewel pandasql uitstekend geschikt is voor snelle SQL-query's, ondersteunt Pandas ook directe SQL-integratie voor het werken met echte databases (zoals SQLite, PostgreSQL, MySQL):

Voorbeeld: Lezen en schrijven naar SQL

python

import pandas as pd
import sqlite3

# Connect to SQLite database
conn = sqlite3.connect(":memory:")

# Create a table and insert data
conn.execute("CREATE TABLE Students (id INTEGER, Name TEXT, Marks REAL, Age INTEGER)")
conn.execute("INSERT INTO Students VALUES (1, 'Kiran', 80, 16), (2, 'Priya', 60, 14), (3, 'Naveen', 82, 15)")

# Read from SQL
df = pd.read_sql("SELECT * FROM Students", conn)
print(df)

# Write to SQL
df.to_sql("Students_Copy", conn, if_exists="replace", index=False)

Deze aanpak is perfect voor ETL-pijplijnen, rapportage en productiedataworkflows.

Geavanceerde use cases: ETL, machine learning en dashboards

Bij het combineren van SQL en Pandas gaat het niet alleen om het uitvoeren van query's. Het gaat om het bouwen van slimmere workflows:

Pandasql versus Pure Pandas: wanneer gebruik je wat?

Kenmerk	pandasql (SQL)	Pure Panda's
Syntaxis	SQL (voor velen bekend)	Python (flexibel, krachtig)
leesbaarheid	Hoog voor complexe zoekopdrachten	Kan langdradig worden
Prestaties	Langzamer bij zeer grote datasets	Sneller, geoptimaliseerd voor Python
Aansluitingen/Groeperingen	Heel intuïtief	Meer code, maar meer opties
Integratie	Ideaal voor snelle analyses	Het beste voor productieworkflows

Beperkingen en beste praktijken

Conclusie

Het geïntegreerde gebruik van Python Pandas en SQL vertegenwoordigt een essentiële competentie voor data-analisten, AI ingenieurs en onderzoeksprofessionals. Deze methodologie stemt relationele databasequery's af op De krachtige DataFrame van Pandas operaties, wat zowel de efficiëntie als de duidelijkheid van de code verbetert. Door tools zoals pandasql te gebruiken in combinatie met de native SQL-integratie van Pandas, kunnen teams exploratieve data-analyse (EDA), robuuste ETL-workflows en machine learning-pipelines uitvoeren binnen een samenhangende omgeving.

Statistieken om te onthouden:

Door deze dubbele aanpak te hanteren, worden schaalbare, onderhoudbare analyseprocessen gegarandeerd en worden teams voorbereid op succes op de lange termijn.