如何用Python的for循环执行SQL查询并关联结果至DataFrame

场景说明 #

现有包含100个app_name的DataFrame，需对每个app_name执行SQL查询，统计对应去重R_ID的数量，并将结果匹配到原DataFrame的对应行（而非新增行/列）。

示例数据 #

A = ['A001', 'B001','C001','Bdd','djd.djsx']
AB = pd.DataFrame(A, columns = ['app_name']) 

原DataFrame结构：

基础SQL查询示例 #

select COUNT(DISTINCT [R_ID]) 
from database_view
where [app_name] in ('A001')

原代码问题分析 #

你写的代码存在3个核心问题：

1. 循环For i in AB遍历的是DataFrame的列名，而非每行的app_name值
2. SQL语句中{i}的格式错误，未用单引号包裹值，且in后缺少括号
3. 使用append会新增行，无法实现“对应行赋值”的需求

解决方案 #

方案一：循环每行查询并赋值（适合小批量场景） #

先新增列存储结果，再遍历每行执行查询并赋值到对应位置：

# 新增列用于存储统计结果
AB['distinct_r_id_count'] = 0

# 遍历DataFrame的每一行
for idx, row in AB.iterrows():
    current_app = row['app_name']
    # 格式化SQL，注意单引号包裹app_name
    sql = f'''
    select COUNT(DISTINCT [R_ID]) as count
    from database_view
    where [app_name] = '{current_app}'
    '''
    # 执行SQL查询
    query_result = pd.read_sql_query(sql, database)
    # 将结果赋值到对应行的指定列
    AB.loc[idx, 'distinct_r_id_count'] = query_result['count'].iloc[0]

print(AB)

方案二：一次性批量查询（高效，推荐100条数据场景） #

避免循环执行100次SQL请求，一次性查询所有app_name的统计结果，再合并到原DataFrame：

# 生成所有app_name的SQL格式字符串（带单引号）
app_list = AB['app_name'].tolist()
app_sql_str = ','.join([f"'{app}'" for app in app_list])

# 批量查询SQL
sql = f'''
select [app_name], COUNT(DISTINCT [R_ID]) as distinct_r_id_count
from database_view
where [app_name] in ({app_sql_str})
group by [app_name]
'''

# 执行批量查询
stats_result = pd.read_sql_query(sql, database)

# 合并统计结果到原DataFrame，保证所有原行保留，无数据的填充0
AB = AB.merge(stats_result, on='app_name', how='left')
AB['distinct_r_id_count'] = AB['distinct_r_id_count'].fillna(0).astype(int)

print(AB)

两种方案最终都会得到符合预期的结果：每个app_name对应一行，新增列存储其去重R_ID的统计数。

内容的提问来源于stack exchange，提问作者xlxdxf