在数据分析领域，pandas是python数据分析基础工具，SQL是数据库最常用分析语言。二者有相通的地方，也有很大的语法不同，做起数据分析来，谁将更胜一筹呢？

做过业务开发、跟数据库打交道比较多的小伙伴，经常会提到”增删改查“操作，分别对应数据的增加、删除、修改、查询，这4个操作。

下面，我将从查、增、删、改四个维度，依次比对pandas和SQL的实现步骤，比较二者的优劣。

此文章中截图的完整版python代码和SQL文件，已上传我的公众号"老男孩的平凡之路&#​34;，后台回复关键词"数据分析比对&#​34;，即可获取完整Python源码文件及数据！

【准备工作】数据分析对象-B站top100排行榜数据

这里，我采用B站top100排行榜的数据，作为数据分析对象。

想学习如何爬取top100排行榜数据的小伙伴，请移步至：

03:32

【python爬虫案例】3分钟讲解用python爬虫爬取B站TOP100排行榜单数据

7434

4

爬取下来的数据，存到excel：

数据准备完毕，开始数据分析，pandas和SQL进行逐行比对！

一、查询

1.1 查询前3行

pandas查询前3行：

SQL查询前3行：

1.2 查询后3行

pandas查询后3行：

SQL查询后3行：

1.3 查询指定列

pandas方法1（中括号[]）:

pandas方法2（loc）：

pandas方法3（iloc）：

【马哥小贴士】关于loc和iloc的说明: loc：works on labels in the index.(通过"索引名&#​34;定位) iloc：works on the positions in the index (so it only takes integers).（通过"索引值&#​34;定位）

SQL查询指定列：

1.4 按条件查询

pandas单条件查询：

SQL单条件查询：

pandas多条件查询（并且关系）：

SQL多条件查询（并且关系AND）：

pandas多条件查询（或者关系）：

SQL多条件查询（或者关系OR）：

二、增加

2.1 增加行

pandas方法1（append）：

pandas方法2（loc）：

pandas方法3（concat）：

SQL增加一行：

SQL增加多行：

2.2 增加列

pandas方法1（中括号[]）:

pandas方法2（insert）：

SQL增加一列：

三、删除

3.1 删除行

pandas方法1（drop-行名）：

pandas方法2（drop-行号）：

pandas方法3（drop-删除特定条件的行）：

SQL删除多行：

3.2 删除列

pandas方法1（drop）：

pandas方法2（del）：

SQL删除一列：

四、修改

4.1 pandas方法1（loc）：

4.2 pandas方法2（iloc）：

4.3 SQL修改一个值

4.4 SQL修改多个值

LATER：后续计划

以上，就是针对增删改查4个操作依次比对了pandas和SQL的不同，后续还会针对join连接、union/concat连接、case when条件判断、groupby分组统计等操作继续发布内容，敬请关注。

END：马哥经验总结

怎么选择用哪个工具（Pandas or SQL）

• 根据数据存储类型，选择用哪个

如果数据存储在数据库里，直接用SQL分析，比较方便。 如果数据存储在Excel，或者csv、txt等文本类数据，或者从网页爬取下的结构化数据，存储为pandas的DataFrame格式再分析，比较方便。

• 根据数据量、性能，选择用哪个

大部分情况下，Pandas比SQL的运行性能更优。

文无第一，武无第二 | 没有绝对的谁更好，只有更适合的分析场景！

ADD：获取Python源码文件

此文章中截图的完整版python代码和SQL文件，已上传我的公众号"老男孩的平凡之路&#​34;，后台回复关键词"数据分析比对"，即可获取完整Python源码文件及数据！

我是 @马哥python说​ ，关注我，持续分享python干货！