SQL 的子句與 pandas 的方法對應得起來，因為兩者操作的是同一種資料結構：由欄與列構成的表格。對表格能做的基本操作就那幾種——挑出符合條件的列、挑出要的欄、把兩張表按鍵值接起來、把列分組後彙總——這組操作叫關聯代數。SQL 與 DataFrame 各自是這套代數的一個介面——介面在這裡指的是表達那組操作的那一層，而底下由誰執行、怎麼執行，這一層都蓋住了。

換介面重寫一次同樣的邏輯因此是划算的練習：邏輯已經想清楚了，剩下的是查另一套語法怎麼寫。

篩選、連接、分組彙總與視窗函數的兩邊寫法

以下的 emp 兩邊是同一份資料，一邊在 SQLite 裡、一邊在記憶體的 DataFrame 裡。

篩選：挑出符合條件的列

1SELECT name FROM emp WHERE salary > 150
1emp[emp["salary"] > 150][["name"]]

連接：把兩張表按鍵值接起來

1SELECT e.name, d.dname FROM emp e JOIN dept d ON e.dept = d.dept
1emp.merge(dept, on="dept")[["name", "dname"]]

分組彙總：每一組收斂成一列

1SELECT dept, MAX(salary) AS m FROM emp GROUP BY dept
1emp.groupby("dept", as_index=False)["salary"].max().rename(columns={"salary": "m"})

視窗函數：算出分組的統計值並保留原本的每一列

1SELECT name, salary - AVG(salary) OVER (PARTITION BY dept) AS d FROM emp
1emp.assign(d=emp["salary"] - emp.groupby("dept")["salary"].transform("mean"))[["name", "d"]]

transform 是這一組裡最值得記的：它與 agg 的差別正是視窗函數與 GROUP BY 的差別——agg 讓每一組收斂成一列，transform 把組的統計值攤回組內的每一列。

這四組在同一份資料上跑出來的結果逐格相同。

對應斷掉的位置：分組時的空值、索引、順序

有三個地方兩邊的語意本來就不同，照著逐句翻譯會在這裡失準。

空值在分組時的去留。 SQL 的 GROUP BY 把 NULL 當成一組，pandas 的 groupby 預設把分組鍵是缺值的那些列排除掉，於是那一組在結果裡整組消失。

1t.groupby("k").size()                 # {'x': 1}          缺值那一組消失了
2t.groupby("k", dropna=False).size()   # {'x': 1, nan: 2}  與 SQL 一致

同一段邏輯照著翻譯過來，統計結果會少掉一整組而且不會報錯。這是篩選、連接、分組彙總與視窗函數這幾組對應之外最容易靜默出錯的一項。

索引。 DataFrame 的每一列有一個索引，它獨立於欄位存在，而且會在 groupby、merge 之後改變。SQL 沒有對應的概念。翻譯過來的程式碼常常需要 reset_index() 或 as_index=False，那幾個呼叫處理的正是索引這個 SQL 沒有的狀態。

順序。 SQL 的查詢結果在沒有 ORDER BY 時不保證順序。DataFrame 的列有位置順序，而且多數操作會保留它。所以「相同的結果」在順序這一維上兩邊本來就不可比——可比的是集合，而集合的比較要先各自排序才成立。

延伸閱讀：運算發生的位置、ORM 與 DataFrame 的分辨、SQL 的視窗函數與語言設計、pandas 的記憶體邊界

這兩個介面為什麼會分家：一邊把運算交給資料庫，一邊在自己的記憶體裡算。8.2 運算發生的位置 寫這條分界怎麼決定容量上限，以及選邊要問的三個條件。

同一個對比在 SQL 那一側怎麼講：transform 對 agg 的差別就是視窗函數對 GROUP BY 的差別。SQL.10 分組與視窗函數：各自的產出、選用的依據與 LAG、LEAD 的相鄰列 用輸出的單位當判斷標準，並示範相鄰的定義漏掉分區之後會跨到別的組上。

從產出認出手上是哪一個介面：8.3 ORM 與 DataFrame 的分辨：回傳值的形狀、連線物件與查詢送出的時機 寫兩者的回傳值形狀差在哪，以及分得開它們的三個訊號。

這套代數在 SQL 那一側怎麼設計：關聯代數的組合規則決定了子句的先後、連接的左右與分組的鍵，而那些規則各有一處與直覺相反。SQL：這個語言為什麼長這樣 從語言的宣告式性質推導這一整組規則，並另外處理文字之外的四方（識別字規則、引擎的寬鬆度、權限、最佳化器）。

換介面之後接手的新限制：SQL 那一側沒有記憶體上限的問題，換到 DataFrame 就有了。8.5 pandas 的記憶體邊界：資料與運算過程的佔用估算，推回資料庫、換引擎與分散式的代價 給估算方法與越過之後的三個方向。