Python Pandas och SQL | Guide till sömlös dataanalys 2026

Python Pandas och SQL utgör grunden för dataanalys, maskininlärning och ETL-pipelines. Att hantera stora DataFrames och köra komplexa databasfrågor kräver effektivitet utan att offra kodens tydlighet.

Den här guiden behandlar installation av pandasql och Pandas inbyggda SQL-metoder, presenterar exempel på verkliga DataFrame-frågor och beskriver bästa praxis för att optimera analysarbetsflöden och rapportering.

Bryggan: pandasql och nativ Pandas SQL-integration

pandasql möjliggör exekvering av SQL-frågor direkt på Pandas DataFrames, vilket eliminerar behovet av att exportera data , tillhandahålla en separat databas eller använda ytterligare API:er; användare skriver helt enkelt SQL-satser, tar emot en resulterande DataFrame och fortsätter utan avbrott.

Installera pandasql

pytonorm

pip install pandasql

Nu är du redo att blanda SQL och Pandas som ett proffs.

Komma igång: Grundläggande användning

Låt oss gå igenom ett enkelt exempel. Anta att du har en DataFrame:

pytonorm

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)

Detta returnerar hela DataFrame, precis som df.head() men med SQL-syntax. Du kan nu filtrera, gruppera och koppla samman precis som du skulle göra i en databas.

Verklig dataanalys med Pandas och SQL

Låt oss gå vidare med en praktisk datauppsättning. Tänk dig att du analyserar en bilförsäljningsdatauppsättning med kolumner som brand, model, year, price, mileageOch mycket mer.

Laddar och utforskar data

pytonorm

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())

Du ser kolumnnamnen, datatyperna och eventuella saknade värden – viktiga för kvalitetsdataanalys.

Köra SQL-frågor på DataFrames

pytonorm

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
""")

pytonorm

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

pytonorm

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

pytonorm

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

pytonorm

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

pytonorm

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
""")

pytonorm

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
""")

Du kan till och med använda widgets och Plotly för interaktiva dashboards:

pytonorm

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)

Detta gör din analys interaktiv och visuellt tilltalande – perfekt för dashboards eller presentationer.

Bortom pandasql: Native Pandas SQL-operationer

Medan pandasql är ett utmärkt val för snabba SQL-relaterade frågor, stöder Pandas även direkt SQL-integration för att arbeta med faktiska databaser (som SQLite, PostgreSQL, MySQL):

Exempel: Läsa och skriva till SQL

pytonorm

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)

Den här metoden är perfekt för ETL-pipelines, rapportering och arbetsflöden för produktionsdata.

Avancerade användningsfall: ETL, maskininlärning och dashboards

Att kombinera SQL och Pandas handlar inte bara om att fråga – det handlar om att bygga smartare arbetsflöden:

Pandasql vs. Pure Pandas: När ska man använda vad?

Leverans	pandasql (SQL)	Rena pandor
syntax	SQL (bekant för många)	Python (flexibel, kraftfull)
läsbarhet	Hög för komplexa frågor	Kan bli utdragen
Prestanda	Långsammare på mycket stora datamängder	Snabbare, optimerad för Python
Går med/grupperar	Mycket intuitivt	Mer kod, men fler alternativ
Integration	Utmärkt för snabb analys	Bäst för produktionsarbetsflöden

Begränsningar och bästa praxis

Avslutande tankar

Den integrerade användningen av Python Pandas och SQL representerar en viktig kompetens för dataanalytiker, AI ingenjörer och forskare. Denna metod anpassar relationsdatabasers frågor till Pandas kraftfulla DataFrame verksamhet, vilket förbättrar både effektivitet och kodtydlighet. Genom att utnyttja verktyg som pandasql tillsammans med Pandas inbyggda SQL-integration kan team utföra utforskande dataanalys (EDA), robusta ETL-arbetsflöden och maskininlärningspipelines i en sammanhängande miljö.

Statistik att komma ihåg:

Att använda denna dubbla metod säkerställer skalbara och underhållbara analysprocesser och positionerar team för långsiktig framgång.