使用 Pandas 和 SQL 进行实用数据分析,让我们用 pandas 和 SQL 进行数据分析并实际理解它们（教程含数据csv）

Pandas是一种快速、强大、灵活且易于使用的开源数据分析和操作工具，
构建于 Python 编程语言之上。

SQL代表结构化查询语言。SQL 允许您从 RDBMS（关系数据库管理系统）访问数据，并可用于数据分析。

Pandas 和 SQL 都广泛用于数据分析。

在这篇博客中，我们将使用pandas和SQL对IPL（Indian Premiere League）数据进行数据分析。让我们通过 SQL 和 pandas 来回答一些问题。

对数据集的理解：
每行代表从 2008 年到 2022 年在 IPL 中投出的一个球。它包含所有信息，如“batsman”、“bowler”、“batting_team”、“bowling_team”等。

match_id — 此列唯一标识每个 IPL 匹配项。

runs_off_bat — 此列提供有关击球手得分的信息（不包括额外得分）。

extras — 作为 extras 给出的运行次数。

每个问题都先使用 SQL，然后使用 pandas 解决。

准备工作

第一步，下面本文数据，数据在文章底部

第二步，载入数据

import pandas as pd

#loading the data
df=pd.read_csv('IPL Matches 2008-2020.csv')
df.head()
1
2
3
4
5