目的：将一组dict字典数据转为pandas的DataFrame格式，然后用pandas实现类似sql语句中select * from xxx where condition的功能。
一、python中将dict格式数据转为DataFrame格式
转换方法有多种，看需求的DataFrame格式是什么样的。我采用的是将dict中key作为列，值作为行的方法
在我的任务中，需要将多个字典合并到一个DataFrame中，因此采用如下方法：
第一步将多个字典存入list中。
第二步由pd.DataFrame()转格式。
# 一组字典
dict1 = {'name': '张三', 'id': '0', 'value': 'aaa'}
dict11 = {'name': '张三', 'id': '0', 'value': 'aaa2'}
dict12 = {'name': '张三', 'id': '0', 'value': 'aaa3'}
dict13 = {'name': '张三', 'id': '0', 'value': 'aaa3'}
dict2 = {'name': '李四', 'id': '1', 'value': 'bbb'}
dict3 = {'name': '王五', 'id': '2', 'value': 'ccc'}
dict4 = {'name': '马六', 'id': '3', 'value': 'ddd'}
# 存入list
tmp_list = [dict1, dict11, dict12, dict13, dict2, dict3, dict4]
# 转为DataFrame
df = pd.DataFrame(tmp_list)
print(df)
result:
name id value
0 张三 0 aaa
1 张三 0 aaa2
2 张三 0 aaa3
3 张三 0 aaa3
4 李四 1 bbb
5 王五 2 ccc
6 马六 3 ddddict转DataFrame参考：Python 将字典(dict)转换为DataFrame_python字典转dataframe_pumpkin96的博客-CSDN博客
二、使用pandas内置方法实现类似sql的select查询
(1) 使用pandas进行select操作：在SQL中，如果我们要从df中选取前三行的name和value列数据，SQL的语法为：
select name, value from df limit 3使用pandas进行查询语法为：
result = df[['name', 'value']].head(3)
print(result)
result:
name value
0 张三 aaa
1 张三 aaa2
2 张三 aaa3(2) pandas进行where条件查询：在SQL中，查询name为张三的所有行，where操作语法为：
select * from df where name = '张三'pandas语法为：
result = df[df['name'] == '张三']
print(result)
name id value
0 张三 0 aaa
1 张三 0 aaa2
2 张三 0 aaa3
3 张三 0 aaa3(3) 多个条件查询时，sql中语法为and和or。
select * from df where name = '张三' and value =aaa3pandas中使用符号“&”和“|”实现。
result = df[(df['name'] == '张三')&(df['value'] == 'aaa3')]
print(result)
name id value
2 张三 0 aaa3
3 张三 0 aaa3同时使用df.value_counts()或者len()可以统计查询结果的数量。
result = df[(df['name'] == '张三')&(df['value'] == 'aaa3')].value_counts()
print(result)
name id value
张三 0 aaa3 2
dtype: int64(4) pandas中去重操作，sql中语法为distinct。
select distinct * from temp where name = '张三'此时sql搜索结果为：
若sql语句为distinct name：
select distinct name from temp where name = '张三'则是对name进行去重，sql的去重结果保留了重复时的第一行数据。
在pandas中使用df.drop_duplicates()进行去重操作。
a = df[df['name'] == '张三'] # select * from temp where name = '张三'操作
# distinct去重操作
result = a.drop_duplicates(subset=None, keep='first', inplace=False, ignore_index=False)
print(result)
name id value
0 张三 0 aaa
1 张三 0 aaa2
2 张三 0 aaa3第二条sql语句pandas可以这样写。
# select name from df where name = '张三'
a = df[['name']][df['name'] == '张三']
# distinct去重操作
result = a.drop_duplicates(subset='name', keep='first', inplace=False, ignore_index=False)
print(result)
result:
name
0 张三其中：
subset：设置识别重复项的列名或列名序列，对某些列来识别重复项，默认情况下为None，使用所有列，即识别完全相同的内容，若设置，则仅识别对应的列；
keep参数：确定要保留哪些重复项，可选值有first，last，False，默认为first。
first：删除除第一次出现的重复项，即保留第一次出现的重复项last：保留最后一次出现的重复项False：删除所有重复项inplace参数：表示是否返回副本，默认为False表示返回副本，设置为True表示在原数据上修改
ignore_index参数：指示是否重新生成行索引，默认为False表示不生成，此时会导致index乱序，设置为True表示重新按照0，1 ，2…生成index
pandas实现sql查询参考：
https://www.cnblogs.com/diruodaichang/p/11423742.html