Pandasql查询列表或数据块

Question

给定一组文件--每个文件都被读取到一个不同的dataframe中-- pandasql查询如何引用它们？

在下面的片段中，我们有一个list of dataframes：但是同样的问题也适用于dict

import pandas as pd
from  pandasql import sqldf
# Read in a set of 10 files each containing columns `id` and `estimate`
dfs = [pd.read_csv('file%d.csv' %d) for d in range(1,10+1)]
sql_res = sqldf("select d2.estimate - d1.estimate \
    from dfs[1] d1 join dfs[2] d2 on d2.id = d1.id", locals())

dfs[1]和dfs[2]展示了我想要做的事情，但它们不是有效的语法。对于如何以pandasql可以支持的方式构造这类问题，有什么建议吗？

Answer 1

您可以告诉pandasql一个表名/别名的列表，而不仅仅是按照PandasSQL.__call__的docstring (无法找到PandasSQL.__call__的在线版本)传递PandasSQL.__call__：

:param env: Variables environment - a dict mapping table names to pandas dataframes.

但请注意，您必须将想要查询的所有表放在那里。

下面是一个小示例，它使用PandasSQL类而不是docstring中推荐的sqldf：

import pandasql

sql = pandasql.PandaSQL()


data_frames = [
    pd.DataFrame({'a': [1,2,3]}),
    pd.DataFrame({'b': [1,4,5]})
]

# create aliases for your dataframes
env = {'t%d' % (i + 1): df for i, df in enumerate(data_frames)}

# tell pandasql to use the aliases
print(sql('select t1.* from t1 join t2 on t1.a = t2.b', env=env))