0

我试图理解为什么以下失败pandasql：

import pandas as pd
import pandasql as pdsql
def pysql(q): return pdsql.sqldf(q, globals())

type_table = {
    "type_id" : [101, 102],
    "type_name" : ["Go", "Stop"]
}

types = pd.DataFrame(type_table)
print 'Table "types":'
print types

events = pd.DataFrame(
{
    "type" : [101, 101, 102, 101, 102, 102],
    "time" : [1, 2, 3, 4, 5, 6],
    "success" : [0, 0, 1, 1, 1, 1]
})
print '\nTable "events":'
print events

query = """SELECT t.type_name, count(e.success) as event_count 
FROM types AS t, events AS e
WHERE t.type_id = e.type
GROUP BY t.type_name;
"""
print "\nQuery:"
print query
print "Result:"
print pysql(query)

这会返回None，但我希望它会返回类似

  type_name  event_count
0   Go              3
1   Stop            3

SQLite 连接是否存在我不理解的限制，或者这是一个问题pandasql？我已经在 Access 中尝试过这个例子，它在那里工作得很好，但也许有一种更便携的方法可以用 SQL（很可能）或一种简单的方法来做到这一点pandas？

嗯 - 即使是更简单的连接

SELECT types.type_name, events.time                                                                                     
FROM types, events                                                                                                      
WHERE types.type_id = events.type

失败。肯定是一头雾水。

编辑：鉴于@ari 的建议，我用我的真实数据（几百万行）尝试了这个，发现对于我的实际示例来说，它的速度要快得多

events[events.success == 0].replace(name_map).groupby('type').size()

比做

events.replace(name_map).groupby('type').success.size()

从上表name_map创建的地图在哪里。types

两者都比 SQL 查询快得多，所以我可能应该强调一下，但我仍然想知道它为什么不起作用。

4

1 回答 1

1

如果您包含以下JOIN语句，它将起作用：

query = """SELECT t.type_name, count(e.success) as event_count 
FROM types t JOIN events e ON t.type_id = e.type
GROUP BY t.type_name
"""
于 2015-12-10T06:08:48.803 回答