本文轉載自：https://blog.csdn.net/weixin_38131197/article/details/101481993

本貼僅是記錄，防止原創作者刪帖，請大家前往原創作者部落格多多支援原創。

通過python實現Sql中的表連線操作

一、merg實現表連線

資料準備：

import pandas as pd
import numpy as np
left = pd.DataFrame({'key':['K0','K1','K2','K3'],
                     'A':['A0','A1','A2','A3'],
                     'B':['B0','B1','B2','B3']
                     })
right = pd.DataFrame({'key':['K0','K11','K2','K31'],
                     'C':['C0','C1','C2','C3'],
                     'D':['D0','D1','D2','D3']
                     })
 

  
  
1
2
3
4
5
6
7
8
9
10

輸出結果：

1、單條件連線:merge

內連線：

# how引數不寫 預設是內連線
pd.merge(left,right,on = ['key'])
pd.merge(left,right,on = ['key'],how='inner')

  
  
1
2
3

輸出結果：

外連線（全連線）：

# 外連線
pd.merge(left,right,on = ['key'],how='outer')

  
  
1
2

輸出結果：

左連線：

# 左連線
pd.merge(left,right,on = ['key'],how='left')

  
  
1
2

輸出結果：

右連線：

# 右連線
pd.merge(left,right,on = ['key'],how='right')

  
  
1
2

輸出結果：

2、多條件連線:merge

資料準備：

#多條件關聯
left1 = pd.DataFrame({'key1':['K0','K0','K1','K2'],
                      'key2':['K0','K1','K0','K1'],
                     'A':['A0','A1','A2','A3'],
                     'B':['B0','B1','B2','B3']
                     })
right1 = pd.DataFrame({'key1':['K0','K1','K1','K2'],
                       'key2':['K0','K0','K0','K0'],
                     'C':['C0','C1','C2','C3'],
                     'D':['D0','D1','D2','D3']
                     })
 

  
  
1
2
3
4
5
6
7
8
9
10
11

輸出結果：

內連線：

# 內連線 ,how 引數不寫預設是內連線
pd.merge(left1,right1,on=['key1','key2'])
pd.merge(left1,right1,on=['key1','key2'],how = 'inner')

  
  
1
2
3

輸出結果：

外連線（全連線）：

# 外連線 
pd.merge(left1,right1,on=['key1','key2'],how= 'outer')

  
  
1
2

輸出結果：

左連線：

# 左連線
pd.merge(left1,right1,on=['key1','key2'],how= 'left')

  
  
1
2

輸出結果：

右連線：

# 右連線
pd.merge(left1,right1,on=['key1','key2'],how= 'right')

  
  
1
2

輸出結果：

二、concat實現表連線

資料準備：

df1 = pd.DataFrame(np.ones((3,4))*0,columns= ['a','b','c','d'],index=(1,2,3))
df2 = pd.DataFrame(np.ones((3,4))*11,columns= ['b','c','d','e'],index=(2,3,4))

  
  
1
2

輸出結果：

1、行連線（橫向連線）：

全連線：

pd.concat([df1,df2],axis=1)

  
  
1

輸出結果：

左連線：

pd.concat([df1,df2],axis=1,join_axes=[df1.index])

  
  
1

輸出結果：

右連線：

pd.concat([df1,df2],axis=1,join_axes=[df2.index])

  
  
1

輸出結果：

2、列連線（縱向連線）：

兩種方法實現：concat/append

方法1、concat

pd.concat([df1,df2],axis=0)

  
  
1

輸出結果：

調整索引的順序：

pd.concat([df1,df2],axis=0,ignore_index =True)

  
  
1

輸出結果：

方法2、append

df1.append(df2,ignore_index=True)

  
  
1

輸出結果：

三、merge和concat的區別：

1、merge預設是內連線，concat預設是外連線
2、merge的引數how有left/right/inner/outer，concat的引數axis有0/1（0：列，1：行），通過concat實現左/右連線主要是跟引數寫的位置有關
3、merge合併的範圍廣泛，可以通過索引/列關聯，concat合併的範圍小，只支援索引的合併