如何使用 SQL 和 Pandas 匹配两列并添加第三列？
2024-03-16 23:10:19
SQL 中匹配两列并添加第三列
简介
在 SQL 中，我们需要经常将数据进行分组和聚合以获取有意义的信息。匹配两列并添加第三列是其中一种常见需求。本文将介绍如何使用 SQL 中的 GROUP BY 和 SUM 函数来实现这一目标。
使用 GROUP BY 和 SUM
GROUP BY 函数允许我们根据特定列对数据进行分组，而 SUM 函数可计算特定列中值的总和。通过结合使用这两个函数，我们可以轻松地匹配两列并添加第三列，该列包含两列中相应行的值的总和。
语法
SELECT column1, column2, SUM(column3) AS total_sum
FROM table_name
GROUP BY column1, column2;
- column1 和 column2 是要匹配的列。
- column3 是要聚合的列。
- total_sum 是新列的名称，其中包含两列中相应行的值的总和。
示例
假设我们有一个名为 users 的表，其中包含以下列：
| First_User | Second_User | Count |
|---|---|---|
| User1 | NULL | 427 |
| User3 | NULL | 69 |
| User2 | NULL | 499 |
| User1 | User1 | 1 |
| User4 | User2 | 48 |
| User5 | User2 | 13 |
我们希望创建一个新的表，其中包含每个用户及其相应计数的总和。可以使用以下 SQL 查询：
SELECT First_User, SUM(Count) AS total_count
FROM users
GROUP BY First_User;
结果：
| First_User | total_count |
|---|---|
| User1 | 428 |
| User2 | 560 |
| User3 | 69 |
| User4 | 48 |
| User5 | 13 |
使用 Pandas
除了 SQL，我们还可以使用 Pandas 库在 Python 中实现相同的结果。
代码
import pandas as pd
df = pd.read_sql_query("SELECT * FROM users", con=engine)
df = df.groupby(['First_User', 'Second_User'])['Count'].sum().reset_index()
结果
使用 Pandas 生成的 DataFrame 将包含与 SQL 查询结果相同的信息。
结论
使用 GROUP BY 和 SUM 函数匹配两列并添加第三列是一种简单有效的技术，可用于各种数据分析任务。通过理解其语法和使用，我们可以轻松地从数据中提取有价值的见解。
常见问题解答
-
什么是 GROUP BY 函数？
GROUP BY 函数将数据按特定列分组，允许我们对分组数据进行聚合。 -
什么是 SUM 函数？
SUM 函数计算特定列中值的总和。 -
如何使用 GROUP BY 和 SUM 匹配两列？
使用 GROUP BY 对两列进行分组，然后使用 SUM 函数计算相应行的值的总和。 -
如何在 Python 中使用 Pandas 实现相同的结果？
可以使用 Pandas 中的 groupby() 和 sum() 方法实现相同的功能。 -
该技术有什么应用？
该技术可用于各种数据分析任务，例如计算用户计数、计算销售总数或汇总交易金额。
