SQL 問い合わせ（Python, pandas, pandasql を使用）

前準備

Python の準備（Windows，Ubuntu 上）

• Windows での Python 3.10，関連パッケージ，Python 開発環境のインストール: 別ページ »で説明している．
• Ubuntu では，システム Pythonを使うことができる．Python3 開発用ファイル，pip, setuptools のインストール: 別ページ »で説明している．

【サイト内の関連ページ】

• Python のまとめ: 別ページ »にまとめ
• Google Colaboratory の使い方など: 別ページ »で説明している．

【関連する外部ページ】

Python の公式ページ: https://www.python.org/

Python の numpy，pandas，seaborn，matplotlib，pandasql のインストール

• Windows の場合

  Windows では，コマンドプロン プトを管理者として実行し， 次のコマンドを実行する．

  python -m pip install -U numpy pandas seaborn matplotlib pandasql
  

• Ubuntu の場合

  端末で，次のコマンドを実行

  sudo apt -y update
  sudo apt -y install python3-numpy python3-pandas python3-seaborn python3-matplotlib
  sudo pip3 install -U pandasql
  

Iris データセット, titanic データセットの準備

1. iris, titanic データセットの読み込み

   import pandas as pd
   import seaborn as sns
   sns.set()
   iris = sns.load_dataset('iris')
   titanic = sns.load_dataset('titanic')
   

   
2. データの確認

   print(iris.head())
   print(titanic.head())
   

   

SQL 問い合わせの例（Python, pandasql を使用）

1. 選択 (selection)

   import pandas as pd
   from pandasql import sqldf
   import seaborn as sns
   sns.set()
   iris = sns.load_dataset('iris')
   
   pysqldf = lambda q: sqldf(q, globals())
   print(pysqldf("SELECT * FROM iris WHERE sepal_length > 5;"))
   

   
2. 射影 (projection)

   import pandas as pd
   from pandasql import sqldf
   import seaborn as sns
   sns.set()
   iris = sns.load_dataset('iris')
   
   pysqldf = lambda q: sqldf(q, globals())
   print(pysqldf("SELECT sepal_length, sepal_width FROM iris WHERE sepal_length > 5;"))
   

   
3. グループごとの数え上げ

   列を１つ選ぶことで、グループを作り、各グループの要素数を求める

   pandasql と SQL を使う場合

   import pandas as pd
   from pandasql import sqldf
   import seaborn as sns
   sns.set()
   iris = sns.load_dataset('iris')
   titanic = sns.load_dataset('titanic')
   
   pysqldf = lambda q: sqldf(q, globals())
   print( pysqldf("SELECT species, count(*) FROM iris group by species;") );
   print( pysqldf("SELECT embark_town, count(*) FROM titanic group by embark_town;") );
   

   
4. グループごとの最大、最小、平均、中央値、和

   Iris データセットで，各グループの最大値を求める場合のみを載せる．

   pandasql と SQL を使う場合

   import pandas as pd
   from pandasql import sqldf
   import seaborn as sns
   sns.set()
   iris = sns.load_dataset('iris')
   titanic = sns.load_dataset('titanic')
   
   pysqldf = lambda q: sqldf(q, globals())
   print( pysqldf("SELECT species, max(sepal_length), max(sepal_width), max(petal_length), max(petal_width) FROM iris group by species;") );