Question

我有这个提示（如下所示）。我想我知道如何在SQL中编写它（如下所示，但如果它不正确请告诉我）。我希望获得与SQL相同但使用Python的结果。

问题 - 给定一组数据，编写一个解析数据的函数，1）找到给定月份的收入2）找到给定月份的未预留办公室的总容量。

SQL猜测：

SELECT revenue FROM financials WHERE month = "June"
SELECT SUM(capacity) FROM booking WHERE month = "June" and office_reserved IS NULL

我没有这方面的实际数据所以我只是编写了列名。第一个是直截了当的。第二个是我认为会有一个数据库，其中包含月 - 日 - office_reserved - 容量（即12个人可以坐在房间里）。

Python猜猜：

arr = []
i = 0
for i < len(financials):
   if financials.month[i] = "June":
      arr.append(financials.revenue[i])
i+=1


arr = []
i = 0
for i < len(booking):
     if booking.month[i] = "June" and office_reserved IS NULL:
          arr.append(booking.capacity[i])
     i+=0
print(sum(arr))

这让我相信在查找数据的情况下，SQL在计算上比Python快。在大型计算或程序的实例中，Python可能更快。 ??

Answer 1

就我而言，除了SQL之外，您无法使用其他任何东西与RDBMS进行交互。也就是说可能有SQL的Python接口。从来没听说过。

为了能够使用其他语言（如Python或Javascript（node.js））作为后端解决方案，您将不得不使用noSQL数据库，这意味着主要是JSON数据库，它依赖于完全不同的属性，规则和方案。现在，您可以通过选择分布式文件系统解决方案，使数据库为大型数据集和处理（大数据）做好准备。但是，虽然在处理大数据时效率更高，但在某些特定情况下（快速读取，事务，小数据集......），此选项可能会更慢。更多详情：https://stackoverflow.com/a/50457922/5922920

Answer 2

我能想到的最接近的是熊猫。例如，我创建了一个伪数据集，您可以将其放入数据框中以查找值。我会对熊猫做更多的研究，因为它在处理与此类似的数据方面相当不错。以下是一个例子：

Financials = pd.DataFrame([100000, 2000000, 300000, 4000000], columns=['Revenue'], index=['Jan', 'Feb', 'April', 'June'])

print(Financials[Financials['Revenue'] < 400000])

这将是你的输出：

         Revenue
Jan     100000
April   300000

您可以使用pandas库从.csv或许多其他资源导入数据，并执行您想要执行的布尔选择，这有点类似于SQL，但没有任何内容可以与SQL语法完全匹配。

一个好的库，您可能知道或者可能不知道是否是pymysql，它允许您使用Python连接到MySQL数据库。

以下是我正在使用的程序示例：

import pymysql
import pymysql.cursors

mydb = pymysql.connect(user='sample', passwd='sample_pass', db='medical_app', host='localhost')
cur = mydb.cursor()

select = cur.execute('''SELECT * FROM patient_login''')
print(select)

如您所见，您可以在Python中访问数据库，创建游标对象，然后执行SQL命令。您可能已经或可能不知道这一点，但我认为它也值得注意。

你如何在Python中实现SQL方面？

2 个答案: