此系列文章收录于公众号：数据大宇宙 > 数据分析 > pd
经常听到人们对Python在数据处理方面的赞誉，但许多人发现学习过程中遭遇了困难。其实，问题不在于Python本身，而在于它有一把得心应手的数据分析利器——pandas。
不少读者反映，我们的pandas系列专栏缺乏练习题。为了配合大家的学习，本文将提供一套基于SQL的练习题，作为pandas专栏的课后练习。我们将尽量使用pandas中最基础的操作来完成大部分解题过程，所涉及的知识点都会在专栏的前15节内容中有详细的讲解。
本文案例背景是关于学生科目考试成绩的数据处理。数据的准备过程已在上一篇文章中详细讲解，这里我们将直接进入题目。
上一篇文章链接：
解读：
1. 行5解释： 我们通过查询（df_wd.query(tg_query)）找到"赵雷"的课程记录，由于每名学生只有一行记录（.iloc[0]），我们检查哪些科目的成绩是缺失的（.isna()）。
2. 行6解释（与上类似）： 逻辑相同，只是这次的条件是针对其他同学。
3. 行8解释： 通过比较前两步的结果（tg_cond == other_cond），我们能够得知哪些科目的课程每个同学与"赵雷"有相同报考科目。得分相同的是1，不同则为0。我们统计得分为1的数量（.sum(axis=1)），并检查是否大于或等于1（>=1），以确定是否有多于一门课程是相同的。
接下来，我们将详细对比SQL的实现方式：
SQL虽然相对复杂，但其执行顺序明确，通常需要仔细解读才能理解其中的逻辑。下面我们将简要介绍其执行顺序。
关于SQL的执行顺序和技巧：
- 行5和6解释： 从成绩表(sc)中检索"赵雷"的考试科目(cid)，这里使用sid是因为成绩表中没有学生名字。
- 行3和4解释： 再次从成绩表(sc)中找出与"赵雷"考试科目相同的记录，但这一步结果中包含了"赵雷"本身的记录。
- 关键点： 整个SQL过程的关键在于正确使用IN操作符。
- 使用CTE（公共表表达式）可以增强SQL的可读性，但不同数据库对其支持程度不同。
- 当需求变为至少有两门相同课程的学生时，上述思路将不再适用。
对于pandas的处理方式，也遵循相似的逻辑：
pandas中的isin函数对应于SQL中的IN操作符。
当使用A列.isin(B列)时，结果是一个与A列长度相同的bool值列，每个bool值表示A列对应值是否存在于B列中。
与“赵雷”同学报读课程完全相同的学生信息：
你会发现这个需求与之前的需求非常相似，只是最后的判断逻辑稍有不同。