审计技能|Python语句（四）：常用查询函数

审技 python

发布时间 : 2023-08-15 17:56

字数:517 阅读 :

1.分组聚合函数（groupby）
2.时间转换函数(to_datetime)
3.分列函数（str.split）

1.分组聚合函数（groupby）

类似SQL的groupby那样的数据透视功能。可以使用pandas库的groupby函数来实现分组聚合操作。

举例：

有一个A表，分别有甲项目和乙项目，甲项目连续两年的销售为50万元和54万元，乙项目连续两年的销售额为74万元和56万元。

现在求甲项目和乙项目的各自销售额之和，具体如下：
代码：

import pandas as pd

## 创建A表
data = {'项目名称': ['甲项目', '甲项目', '乙项目', '乙项目'], '销售额': [50, 54, 74, 56]}
df = pd.DataFrame(data)

## 按照“项目名称”进行聚合统计
grouped = df.groupby('项目名称')
result = grouped.sum()

## 打印结果
print(result)

运行结果：

销售额	项目名称
乙项目	130
甲项目	104

2.时间转换函数(to_datetime)

可以使用pandas库的to_datetime函数来实现时间转换操作。

举例：将分秒的时间转换为日期

Date	Sales
2020-01-01 10:30:00	1000
2020-01-02 15:20:00	1500
2020-01-03 18:40:00	2000

代码：

import pandas as pd

data = pd.DataFrame({'Date': ['2020-01-01 10:30:00', '2020-01-02 15:20:00', '2020-01-03 18:40:00'],
'Sales': [1000, 1500, 2000]})

data['Date'] = pd.to_datetime(data['Date']).dt.date
print(data)

运行结果：

Date	Sales
2020-01-01	1000
2020-01-02	1500
2020-01-03	2000

3.分列函数（str.split）

在Python中，可以使用pandas库的str.split函数来实现分列操作。

举例：将地址列按照逗号分隔符进行拆分，并将拆分后的结果存储到城市列和省份列中。

数据示例：

Customer	Address
A	Beijing,China
B	Shanghai,China
C	New York,United States

代码：

import pandas as pd
data = pd.DataFrame({
    'Customer': ['A', 'B', 'C'],
    'Address': ['Beijing,China', 'Shanghai,China', 'New York,United States']})
data[['City', 'Country/Region']] = data['Address'].str.split(',', expand=True)

print(data[['City', 'Country/Region']])

运行结果：

City	Country/Region
0	Beijing/China
1	Shanghai/China
2	New York/United States

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 richffan@outlook.com