1. 增加记录：在第二的位置增加一条记录

esproc

 A
1 =now()
2 =file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")
3 =A2.import@t()
4 >A3.insert(2,100:EID,"wang":NAME,"lao":SURNAME,"Femal":GENDER,"CA":STATE,date("1999-1-1"):BIRTHDAY,date("2009-3-4"):HIREDATE,"HR":DEPT,3000:SALARY)
5 =interval@ms(A1,now())

A4：添加一条记录（“:”前表示字段值，“:”后表示字段），其中2表示第二条记录的位置

A5：计算运算时间（interval()：计算时间间隔。@ms表示以毫秒为单位）

python：

import time

import pandas as pd

import datetime

import numpy as np

import random

s=time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

values=[100,"wang","lao","Femal","CA","1999-01-01","2009-03-04","HR",3000]

line_dic={}

for i in range(len(data.columns)):

    line_dic[data.columns[i]]=values[i]

line = pd.DataFrame(line_dic,index=[1])

data = pd.concat([data.loc[:0],line,data.loc[1:]],ignore_index=True)

print(data)

e=time.time()

print(e-s)

用pd.concat（[df1,df2,…,dfn））达到新增记录的目的，dataframe结构的记录是从0开始计数的，如df.loc[1:]表示切片取出第二条以后的所有记录

最后计算出运算耗时。

结果：

esproc

1550128697065100.png

python

1550128697228100.png

 耗时
esproc 0.004
python 0.039

 

2. 删除记录：删除第 2 条记录

esproc                     

 A
1 =now()
2 =file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")
3 =A2.import@t()
4 >A3.delete(2)
5 =interval@ms(A1,now())

A4：删除第2条记录

python：

import time

import pandas as pd

import datetime

import numpy as np

import random

s=time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

data = data.drop(1)

print(data)

e=time.time()

print(e-s)

利用df.drop（）函数删除某条记录

结果：

esproc

1550128697309100.png

python

1550128695671100.png

 

 耗时
esproc 0.003
python 0.034

 

3.修改记录：第 5 条记录的 NAME 改为 aaa，SALARY 改为 1000

esproc

 A
1 =now()
2 =file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")
3 =A2.import@t()
4 >A3.modify(5,"aaa":NAME,1000:SALARY)
5 =interval@ms(A1,now())

A4：修改第5条记录中的NAME字段的值为“aaa”，修改SALARY字段的值为1000

python：

import time

import pandas as pd

import datetime

import numpy as np

import random

s=time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

data.loc[4,['NAME','SALARY']]=['aaa',1000]

print(data)

e=time.time()

print(e-s)

利用df.loc[]切片取出第5条记录的NAME,SALARY字段并赋值为‘aaa’和1000

结果：

esproc

1550128695789100.png

python

1550128695942100.png

 耗时
esproc 0.003
python 0.037

 

4.查询行：查询第 2~10 条记录

esproc

 A
1 =now()
2 =file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")
3 =A2.import@t()
4 =A3(to(2,10))
5 =interval@ms(A1,now())

A4：to(m,n):产生m~n的序列，我们用T表示序表，A表示序列。T(A)表示取出序列中包含值的记录，这里表示取出第2~10条记录

python：

import time

import pandas as pd

import datetime

import numpy as np

import random

s=time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

data = data.loc[1:9]

print(data)

e=time.time()

print(e-s)

利用df.loc[]切片取出第2~10条记录

结果：

esproc

1550128696022100.png

python

1550128696213100.png

 耗时
esproc 0.003
python 0.023

 

5.增加列：增加一个字段 Fullname

esproc

 A
1 =now()
2 =file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")
3 =A2.import@t()
4 =A3.derive(NAME+""+SURNAME:Fullname)
5 =interval@ms(A1,now())

A4：derive（）增加字段，这里表示用原来的NAME和SURNAME连接生成Fullname字段。

python：

import time

import pandas as pd

import datetime

import numpy as np

import random

s=time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

data['Fullname'] = data['NAME']+data['SURNAME']

print(data)

e=time.time()

print(e-s)

取出NAME和SURNAME合并成Fullname

结果：

esproc

1550128696312100.png

python

1550128696489100.png

 

 耗时
esproc 0.004
python 0.037

 

6.筛选字段：筛选出字段 NAME,SURNAME,STATE,GENDER

esproc

 A
1 =now()
2 =file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")
3 =A2.import@t()
4 =A3.new(NAME,SURNAME,STATE,GENDER)
5 =interval@ms(A1,now())

A4：T.new（）生成新的序表。这里表示生成包含A3序表中NAME,SURNAME,STATE,GENDER这几个字段的新序表。

python：

import time

import pandas as pd

import datetime

import numpy as np

import random

s=time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

data = data[['NAME','SURNAME','STATE','GENDER']]

print(data)

e=time.time()

print(e-s)

取出NAME,SURNAME,STATE,GENDER这几个字段复制给新的dataframe。

结果：

esproc

1550128696580100.png

python

1550128696717100.png

 耗时
esproc 0.002
python 0.022

 

7.修改字段名：修改 EID 为 ID

esproc

 A
1 =now()
2 =file("C:\\Users\\Sean\\Desktop\\esproc_vs_python\\EMPLOYEE.txt")
3 =A2.import@t()
4 =A3.rename(EID:ID)
5 =interval@ms(A1,now())

A4：rename（）修改字段名。这里表示将EID修改为ID

python：

import time

import pandas as pd

import datetime

import numpy as np

import random

s=time.time()

data = pd.read_csv("C:/Users/Sean/Desktop/esproc_vs_python/EMPLOYEE.txt",sep="\t")

data.rename(columns={

'EID':'ID'},inplace=True)

print(data)

e=time.time()

print(e-s)

利用df.rename（）函数修改字段名，将EID修改为ID。参数inplace控制是否修改原来的dataframe结构。

结果：

esproc

1550128696819100.png

python

1550128696984100.png

 耗时
esproc 0.002
python 0.030

 

小结：我们通过对记录和字段的增、删、改、查这些基本的运算，用esproc和python按照相同的思路，对相同的数据进行同样的处理，在描述效率方面，两者相差并不大，都很方便而且容易上手。