該用Python還是SQL？4個案例教你節省時間

在資料分析行業，對資料提出的每乙個問題都可以用多種潛在的語言和工具包來回答。每種語言都有其優勢，它們之間也存在著不同的區別。不能否認的是，有些操作用python執行起來要比sql更加高效。這篇文章分享了4個能夠節省時間的案例，在這幾個案例中，python在探索和分析資料集方面遠遠優於sql。

描述性統計

假設你正在探索新的資料集，可以使用許多不同的方法來統計描述這些資料，並得到總體感知。例如：

· 計數

· 平均值

· 標準偏差

· 最小值

· 第一四分位數

· 第二四分位數(中位數)

· 第三四分位數

· 最大值

要想在sql中得到以上資訊，你需要輸入：

但也許你並不想輸入以上所有**。你可以使用pandas的dataframe.describe()函式來得出基礎資料集的基本描述性統計資訊。

datasets['python input'].describe().round(1)

檢視此報告並仿照該報告自行探索描述性統計。

移動平均值

假設你現在想計算移動平均值，以便於在輸入不斷變化的情況下得到其明確的平均值。移動平均值有助於消除資料驟降和峰值的影響，從而使長期趨勢更加顯而易見。

在sql中，你可以輸入這樣的查詢（query）：

在python中，只需以下**便可快速得到相同的兩周移動平均值：

另外，python能夠進一步實現視覺化。

樞軸

要想重新排列資料與樞軸以繪製圖表或是演示文稿格式，在sql中需要幾個步驟才能實現。在這個案例中，需要將mode public warehouse中大學橄欖球運動員的資料集從行樞軸轉換到列樞軸。

首先，要彙總每年、每場比賽的運動員的資訊來準備資料。

轉換資料之後，需要將查詢（query）嵌入子查詢（subquery）中。

接下來，如果你想將結果按照年份分成幾列，可以用select語句為每個項單獨建立列。

雖然這能使你很好地控制查詢和程序，但是用python操作實則要更加輕鬆。當你從年份和比賽中select大學橄欖球運動員後，可以跳轉到notebook並執行dataframe.pivot。你能根據列值重塑資料，因而可以重新排列結果集。

dataframe.pivot

自連線

在很多情況下，你可能想要將乙個表與其自身連線起來。要想建立自連線（self join），需要先輸入此查詢，以便為同一張表建立不同的引用名稱。

在pandas中，我們可以這樣實現：

想自己嘗試建立自連線嗎？仿照這篇報告來撰寫你的個人mode報告吧！