学习BI工具拖拉拽取数据，为何还需掌握SQL取数技巧？

：菜市场里的数据处理

是吧？ 在菜市场里 我们通常会kan到这样的场景：跑菜市场、买菜、运菜、择菜、洗菜、切菜，再说说备好菜。这个过程，Ke以类比为数据处理的前期工作。其中，20%的时间可Neng是在Zuo可视化的分析报表。那么底层数据的处理重点就是ETL过程，而实现ETL过程，往往离不开SQL取数技巧。

我的原创文章：Pandas与SQL的对比

捡漏。 我曾经写过一篇文章， 从增、删、改、查、左连接、右连接、内连接、外连接等几个维度对比了Pandas和SQL。既然PythonKe以geng高效处理数据，为何还要用SQL取数呢？其实关注者62，被浏览94,090，登录后你Ke以不限量kan优质回答私信答主深度交流精彩内容一键收藏。

Python与SQL的搭配使用

虽然SQLKe以处理大量的数据和复杂的查询，但Python也有其独特的优势。PythonKe以轻松地处理数据清洗和转换，包括数据格式化、缺失值填充和数据规范化等。Python还提供了强大的数据处理库和工具， 如Pandas和NumPy，使得数据分析和分析变得geng加简单和高效。

import pandas as pd # 创建数据框 df = pd.DataFrame({ 'name': , 'age': , 'salary': }) # 数据分析 print) 为什么还要使用SQL取数？ Zui近回答问题喜欢先破题， 因为BI软件的成熟，拖拽就Neng方便地取数了为什么还有公司使用SQL取数？原因有以下几点： 成熟BI软件拖拽就Neng方便取数了：目前了解的国内头部BI软件和国外头部BI软件， 那种用于自助分析的自助拖拽Neng够方便取数的部分，主要应用于业务分析，降低技术门槛方便业务使用。 业务容易理解， BI工具容易理解的数，往前一步是数据开发人员运用SQL脚本加工出来的。 Ru果数据量hen大， PythonKe以处理，但Ru果数据是几百万、几千万条，那必须要用到数据库，一用到数据库就离不开SQL了。 SQL与Python的配合使用 就像吃饭， 其实Python和SQL合起来是一双筷子，就好比数据库是盘子， 也许吧... 你得一双筷子才Neng处理数据。所以呢，不是非此即彼，而是互相配合。 学习BI工具拖拉拽取数据的一边，掌握SQL取数技巧也是非常必要的。SQLKe以帮助我们geng好地处理和操作数据，使我们的数据分析工作geng加高效和便捷，我们都经历过...。