Pandas или SQL: что учить для анализа данных

Короткий ответ: это не «или», это конвейер

Вердикт: SQL и pandas — не соперники, а два инструмента одного конвейера. Курс pandas учит считать выгруженное, SQL — выгружать из базы. Если данных поблизости нет, вам пока нужен только второй этаж. Отсюда практический порядок: выучите сначала pandas, а SQL подключится — начните с SELECT и GROUP BY, когда таблицы переедут в базу.

Условие, при котором вердикт отменяется: если данные уже живут в базе и от вас ждут выборок на месте — первым появится SQL. Хорошая новость: GROUP BY из SQL и groupby из pandas — родные братья, поэтому второй этаж вы доберёте быстро. Проверить связку можно прямо на этой странице, чуть ниже.

Pandas vs SQL: сравнение по 8 критериям

Метка в последней колонке — чьё преимущество в этом пункте. Без принижения: у каждой стороны честный счёт.

Счёт честный: SQL берёт порог входа, pandas — продолжение анализа после выгрузки. Пять позиций из восьми — «равны»: инструменты разных этажей одного конвейера. Именно поэтому наш вердикт — не выбор одного, а порядок освоения.

Одна задача — обе технологии

Датасет знакомый: шесть заказов интернет-магазина из урока 2 курса pandas. Вопрос один: сколько заказов и какая выручка в каждом городе. Сначала SQL: таблица живёт в sqlite3 в памяти, ответ приносит GROUP BY.

import sqlite3

conn = sqlite3.connect(":memory:")
cur = conn.cursor()

cur.execute("""
    CREATE TABLE orders (
        order_id INTEGER,
        city     TEXT,
        product  TEXT,
        price    INTEGER,
        qty      INTEGER
    )
""")

cur.executemany(
    "INSERT INTO orders VALUES (?, ?, ?, ?, ?)",
    [
        (1001, "Москва", "Ноутбук", 54990, 1),
        (1002, "Казань", "Смартфон", 24990, 2),
        (1003, "Москва", "Планшет", 31990, 1),
        (1004, "Сочи", "Наушники", 8990, 3),
        (1005, "Казань", "Ноутбук", 57990, 1),
        (1006, "Москва", "Смартфон", 25990, 1),
    ],
)
conn.commit()

cur.execute("""
    SELECT city,
           COUNT(*) AS orders_count,
           SUM(price * qty) AS revenue
    FROM orders
    GROUP BY city
    ORDER BY revenue DESC
""")

for city, orders_count, revenue in cur.fetchall():
    print(city, orders_count, revenue)

Москва 3 112970
Казань 2 107970
Сочи 1 26970

Теперь тот же вопрос силами pandas: read_sql выгружает таблицу из той же базы, дальше — привычный groupby с сортировкой. Вывод совпадает со SQL-версией строка в строку: данные одни, вопрос один — ответы обязаны сходиться.

import sqlite3
import pandas as pd

conn = sqlite3.connect(":memory:")
conn.executescript("""
    CREATE TABLE orders (order_id, city, product, price, qty);
    INSERT INTO orders VALUES (1001, 'Москва', 'Ноутбук', 54990, 1);
    INSERT INTO orders VALUES (1002, 'Казань', 'Смартфон', 24990, 2);
    INSERT INTO orders VALUES (1003, 'Москва', 'Планшет', 31990, 1);
    INSERT INTO orders VALUES (1004, 'Сочи', 'Наушники', 8990, 3);
    INSERT INTO orders VALUES (1005, 'Казань', 'Ноутбук', 57990, 1);
    INSERT INTO orders VALUES (1006, 'Москва', 'Смартфон', 25990, 1);
""")

# та же база, другой инструмент: SQL-выгрузка -> DataFrame
df = pd.read_sql("SELECT * FROM orders", conn)

df["revenue"] = df["price"] * df["qty"]
report = (
    df.groupby("city")
      .agg(orders_count=("order_id", "count"), revenue=("revenue", "sum"))
      .sort_values("revenue", ascending=False)
)

for city, row in report.iterrows():
    print(city, row["orders_count"], row["revenue"])

Москва 3 112970
Казань 2 107970
Сочи 1 26970

Оба блока запускаются кнопкой прямо на странице: sqlite3 входит в стандартную библиотеку Python и работает в браузерной песочнице с базой :memory:, а pandas песочница подтягивает при первом запуске. Вывод в блоках — настоящий, полученный интерпретатором Python.

Где это живёт в Питонике

Отдельного курса SQL у нас нет — зато обе технологии можно попробовать бесплатно прямо в браузере. А команды pandas из блоков выше — read_sql, groupby, sort_values — собраны в шпаргалке pandas.

Частые вопросы: pandas или SQL

Что почитать ещё