大家好，欢迎来到IT知识分享网。
通过python实现Sql中的表连接操作
一、merg实现表连接
数据准备：
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、单条件连接:merge
内连接：
# how参数不写 默认是内连接 pd.merge(left,right,on = ['key']) pd.merge(left,right,on = ['key'],how='inner') 输出结果：
外连接（全连接）：
# 外连接 pd.merge(left,right,on = ['key'],how='outer') 输出结果：
左连接：
# 左连接 pd.merge(left,right,on = ['key'],how='left') 输出结果：
右连接：
# 右连接 pd.merge(left,right,on = ['key'],how='right') 输出结果：
2、多条件连接:merge
数据准备：
#多条件关联 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'] }) 内连接：
# 内连接 ,how 参数不写默认是内连接 pd.merge(left1,right1,on=['key1','key2']) pd.merge(left1,right1,on=['key1','key2'],how = 'inner') 输出结果：
外连接（全连接）：
# 外连接 pd.merge(left1,right1,on=['key1','key2'],how= 'outer') 输出结果：
左连接：
# 左连接 pd.merge(left1,right1,on=['key1','key2'],how= 'left') 输出结果：
右连接：
# 右连接 pd.merge(left1,right1,on=['key1','key2'],how= 'right') 输出结果：
二、concat实现表连接
数据准备：
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、行连接（横向连接）：
全连接：
pd.concat([df1,df2],axis=1) 左连接：
pd.concat([df1,df2],axis=1,join_axes=[df1.index]) 输出结果：
右连接：
pd.concat([df1,df2],axis=1,join_axes=[df2.index]) 输出结果：
2、列连接（纵向连接）：
两种方法实现：concat/append
方法1、concat
pd.concat([df1,df2],axis=0) pd.concat([df1,df2],axis=0,ignore_index =True) 方法2、append
df1.append(df2,ignore_index=True) 三、merge和concat的区别：
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://haidsoft.com/102869.html
