如何将SQL分组聚合查询转换为等效的Pandas DataFrame操作语法

完整实现代码 #

import pyodbc
import pandas as pd 

def connect_to_db():
    conn = pyodbc.connect(r'DRIVER={SQL Server};SERVER=tcp:SQLDCB301P.uhn.ca\SQLDCB301P;DATABASE=imucsigrp'
                         r';UID=imucsigrp_data_team;PWD=Kidney123!')
    return conn

def completion_metric(): 
    # 获取数据库连接
    conn = connect_to_db()
    # 读取原始数据，read_sql_query本身返回DataFrame，无需额外转换
    df = pd.read_sql_query(
        'SELECT Short_ID, Status FROM PROMIS_LT_Long_ID', 
        conn
    )
    # 核心分组统计逻辑，和SQL逻辑完全对应
    result = df.groupby('Short_ID', as_index=False)['Status'].agg(
        completion_metric=lambda x: (x == 'Completed').mean()
    )
    # 关闭数据库连接
    conn.close()
    return result

逻辑说明 #

1. 先修正了你原有代码的两个小问题：pandas读取SQL的方法是pd.read_sql_query（横杠改为下划线），同时补充了数据库连接的调用逻辑
2. 核心分组计算逻辑对应SQL的聚合规则：
   • groupby('Short_ID', as_index=False) 对应SQL的GROUP BY Short_ID，as_index=False保证Short_ID作为普通列返回，不会变成索引
   • lambda x: (x == 'Completed').mean() 完全等价于SQL的SUM(IIF(Status = 'Completed', 1, 0)) / COUNT(Status)：布尔判断结果中True对应1、False对应0，求平均值的结果就是已完成记录占分组总记录的比例
3. 如果需要调整结果的小数精度，可以在agg方法后追加.round(小数位数)即可

如果你偏好更贴近SQL分步写法的语法，也可以用下面的代码实现完全一致的效果：

result = df.assign(
    completed_flag = df['Status'] == 'Completed'
).groupby('Short_ID', as_index=False).agg(
    completion_metric = ('completed_flag', 'mean')
)

内容的提问来源于stack exchange，提问作者Ruva