这是一个使用内置sqlite3包的panda和sql的快速入门。一般来说，你可以在panda中以这样或那样的方式完成所有的SQL操作。但是数据库当然是有用的。你需要做的第一件事是将原始df存储在sql数据库中，以便你可以查询它。步骤如下。

import pandas as pd
import sqlite3

#read the CSV
df = pd.read_csv('/resources/data/findhelp/tabledata.csv')
#connect to a database
conn = sqlite3.connect("Any_Database_Name.db") #if the db does not exist, this creates a Any_Database_Name.db file in the current directory
#store your table in the database:
df.to_sql('Some_Table_Name', conn)
#read a SQL Query out of your database and into a pandas dataframe
sql_string = 'SELECT * FROM Some_Table_Name'
df = pd.read_sql(sql_string, conn)

另一个答案建议使用SQLite，但是，**DuckDB比将数据加载到SQLite要快得多。
首先，加载数据需要时间;第二，SQLite没有针对分析查询（例如，聚集）进行优化。
下面是可以在Jupyter笔记本上运行的完整示例：

• • 安装**

pip install jupysql duckdb duckdb-engine

• 注意 *：如果您想在笔记本电脑上运行，请使用%pip install jupysql duckdb duckdb-engine
• • 示例**

加载扩展（%sql magic）并创建内存数据库：

%load_ext SQL
%sql duckdb://

下载一些示例CSV数据：

from urllib.request import urlretrieve

urlretrieve("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/penguins.csv", "penguins.csv")

质询：

%%sql
SELECT species, COUNT(*) AS count
FROM penguins.csv
GROUP BY species
ORDER BY count DESC

JupySQL documentation available here