Python Pandas i SQL | Przewodnik po bezproblemowej analizie danych w 2026 r.

Python Pandas i SQL stanowią podstawę analizy danych, uczenia maszynowego i potoków ETL. Obsługa dużych ramek danych i uruchamianie złożonych zapytań do bazy danych wymaga wydajności bez poświęcania przejrzystości kodu.

W tym przewodniku omówiono konfigurację Pandasql i natywne metody SQL biblioteki Pandas, zaprezentowano przykłady rzeczywistych zapytań DataFrame oraz najlepsze praktyki optymalizacji przepływów pracy analitycznej i raportowania.

Most: pandasql i natywna integracja Pandas SQL

pandasql umożliwia wykonywanie zapytań SQL bezpośrednio w Pandas DataFrames, eliminując potrzebę eksportowania danych , tworzenia oddzielnej bazy danych lub korzystania z dodatkowych interfejsów API; użytkownicy po prostu piszą polecenia SQL, otrzymują wynikową DataFrame i mogą kontynuować pracę bez żadnych przerw.

Instalowanie pandasqla

pyton

pip install pandasql

Teraz możesz łączyć SQL i Pandas jak profesjonalista.

Pierwsze kroki: podstawowe użytkowanie

Przeanalizujmy prosty przykład. Załóżmy, że masz DataFrame:

pyton

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)

Zwraca pełną ramkę danych, tak jak df.head() ale używając składni SQL. Teraz możesz filtrować, grupować i łączyć tak jak w bazie danych.

Analiza danych w świecie rzeczywistym z wykorzystaniem Pandas i SQL

Przejdźmy do praktycznego zestawu danych. Wyobraź sobie, że analizujesz zestaw danych sprzedaży samochodów z kolumnami takimi jak brand, model, year, price, mileage.

Ładowanie i eksploracja danych

pyton

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())

Zobaczysz nazwy kolumn, typy danych i wszelkie brakujące wartości, które są niezbędne do analizy danych wysokiej jakości.

Uruchamianie zapytań SQL w DataFrame

pyton

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
""")

pyton

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

pyton

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

pyton

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

pyton

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

pyton

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
""")

pyton

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
""")

Do tworzenia interaktywnych pulpitów nawigacyjnych można używać widżetów i Plotly:

pyton

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)

Dzięki temu Twoja analiza będzie interaktywna i atrakcyjna wizualnie — idealna do wyświetlania na pulpitach nawigacyjnych i w prezentacjach.

Poza pandasql: natywne operacje Pandas SQL

Podczas gdy pandasql doskonale nadaje się do szybkich zapytań w stylu SQL, Pandas obsługuje także bezpośrednią integrację SQL, umożliwiającą pracę z prawdziwymi bazami danych (takimi jak SQLite, PostgreSQL, MySQL):

Przykład: Odczyt i zapis do SQL

pyton

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)

To podejście doskonale sprawdza się w przypadku procesów ETL, raportowania i przepływów pracy obejmujących dane produkcyjne.

Zaawansowane przypadki użycia: ETL, uczenie maszynowe i pulpity nawigacyjne

Połączenie języka SQL i Pandas nie dotyczy tylko wykonywania zapytań, ale także tworzenia inteligentniejszych przepływów pracy:

Pandasql kontra Pure Pandas: kiedy używać którego?

Cecha	pandasql (SQL)	Czyste pandy
Składnia	SQL (znany wielu)	Python (elastyczny, wydajny)
czytelność	Wysoka dla złożonych zapytań	Może stać się gadatliwy
Wydajność	Wolniejsze w przypadku bardzo dużych zestawów danych	Szybciej, zoptymalizowany dla Pythona
Łączenie/grupowanie	Bardzo intuicyjny	Więcej kodu, ale więcej opcji
Integracja	Świetne do szybkiej analizy	Najlepszy dla przepływów pracy produkcyjnej

Ograniczenia i najlepsze praktyki

Uwagi końcowe

Zintegrowane wykorzystanie Python Pandas i SQL stanowi podstawową kompetencję analityków danych, AI inżynierów i profesjonalistów badawczych. Ta metodologia dostosowuje zapytania do relacyjnej bazy danych Potężny DataFrame firmy Pandas operacje, zwiększając zarówno wydajność, jak i przejrzystość kodu. Wykorzystując narzędzia takie jak pandasql wraz z natywną integracją SQL Pandas, zespoły mogą wykonywać eksploracyjną analizę danych (EDA), solidne przepływy pracy ETL i potoki uczenia maszynowego w spójnym środowisku.

Statystyki, o których warto pamiętać:

Przyjęcie tego dwutorowego podejścia gwarantuje skalowalne i łatwe w utrzymaniu procesy analityczne oraz przygotowuje zespoły do ​​osiągania długoterminowych sukcesów.