将SAS proc sql转换为Python（熊猫）

我使用Pandas库将一些代码从SAS重写为Python

我有这样的代码，我不知道该怎么处理它

你能帮帮我吗？因为太复杂了，我做不好。我更改了列的名称（用于加密敏感数据）

这是SAS代码：

proc sql;
   create table &work_lib..opk_do_inf_4 as 
   select distinct         
            *,
            min(kat_opk) as opk_do_inf,
            count(nr_ks) as ilsc_opk_do_kosztu_infr
from &work_lib..opk_do_inf_3
group by kod_ow, kod_sw, nr_ks, nr_ks_pr, nazwa_zabiegu_icd_9, nazwa_zabiegu
having kat_opk = opk_do_inf
;
quit;

这是我对熊猫的尝试：

df = self.opk_do_inf_3() -> create DF using other function
df['opk_do_inf'] = df.groupby(by=['kod_ow', 'kod_sw', 'nr_ks', 'nr_ks_pr', 'nazwa_zabiegu_icd_9', 'nazwa_zabiegu'])['kat_opk'].min()
df['ilsc_opk_do_kosztu_infr'] = df.groupby(by=['kod_ow', 'kod_sw', 'nr_ks', 'nr_ks_pr', 'nazwa_zabiegu_icd_9', 'nazwa_zabiegu'])['nr_ks'].count()
df_groupby = df.groupby(by=['kod_ow', 'kod_sw', 'nr_ks', 'nr_ks_pr', 'nazwa_zabiegu_icd_9', 'nazwa_zabiegu']).filter(lambda x: x['kat_opk']==x['opk_do_inf'])
df = df_groupby.reset_index()
df = df.drop_duplcates()
return df

---

您可以使用pandasql包中的sqldf函数在dataframe上运行sql查询。下面的例子

“从pandasql导入sqldf” query=“从df中选择前10个*” newdf=sqldf（查询，局部变量（））

---

“”“

首先，在聚合

分组查询中调用
选择*
是无效的SQL。SAS可能允许，但可能会产生未知结果。通常，
SELECT
列应限于
groupby
子句中的列

也就是说，聚合SQL查询通常可以翻译成带有
的操作，其中
使用
.loc
或
查询处理
（聚合前过滤）或
具有
（聚合后过滤）条件

SQL

选择col1、col2、col3、，
MIN（col1）作为MIN_col1，
平均值（col2）作为平均值，
MAX（col3）作为MAX_col3，
计数（*）作为计数对象
从mydata
按col1、col2、col3分组
具有col1=min（col1）

熊猫

一般的

agg_data=（mydata.groupby（[“col1”、“col2”、“col3”），as_index=False）
.agg（min_col1=（“col1”，“min”），
mean_col2=（“col2”，“mean”），
max_col3=（“col3”，“max”），
count_obs=（“col1”，“count”））
.query（“col1==min\u col1”）
)

具体的

opk_do_inf_4 = (mydata.groupby(["kat_opk", "kod_ow", "kod_sw", "nr_ks", "nr_ks_pr", 
                                "nazwa_zabiegu_icd_9", "nazwa_zabiegu"], 
                                as_index=False)
                      .agg(opk_do_inf = ("kat_opk", "min"),
                           ilsc_opk_do_kosztu_infr = ("nr_ks", "count"))
                      .query("kat_opk == opk_do_inf")
               )

是否希望计算的MIN（）和COUNT（）值以SAS的方式重新合并到所有详细观测值中？或者你只想每组观察一次？