wordpress主题识别,南宁seo 网站收录,广州微商城公司,建好网站是不是每年都要交钱在SQL和Pandas中#xff0c;连接查询#xff08;join#xff09;是处理数据集之间关系的重要工具。下面是SQL中的各种连接查询类型及其与Pandas中相应操作的对应关系#xff1a;
1. INNER JOIN SQL: INNER JOIN 返回两个表中具有匹配值的行。 Pandas: merge() 方法的 how…在SQL和Pandas中连接查询join是处理数据集之间关系的重要工具。下面是SQL中的各种连接查询类型及其与Pandas中相应操作的对应关系
1. INNER JOIN SQL: INNER JOIN 返回两个表中具有匹配值的行。 Pandas: merge() 方法的 how 参数设置为 inner。示例代码merged_df pd.merge(df1, df2, onkey, howinner)2. LEFT JOIN / LEFT OUTER JOIN SQL: LEFT JOIN 返回左表中的所有行并在右表中找到匹配项时返回相应的行。如果没有匹配项则返回 NULL。 Pandas: merge() 方法的 how 参数设置为 left。示例代码merged_df pd.merge(df1, df2, onkey, howleft)3. RIGHT JOIN / RIGHT OUTER JOIN SQL: RIGHT JOIN 返回右表中的所有行并在左表中找到匹配项时返回相应的行。如果没有匹配项则返回 NULL。 Pandas: merge() 方法的 how 参数设置为 right。示例代码merged_df pd.merge(df1, df2, onkey, howright)4. FULL OUTER JOIN / FULL JOIN SQL: FULL OUTER JOIN 返回两个表中的所有行。对于没有匹配项的行缺失的列会被填充为 NULL。 Pandas: merge() 方法的 how 参数设置为 outer。示例代码merged_df pd.merge(df1, df2, onkey, howouter)5. CROSS JOIN SQL: CROSS JOIN 返回两个表的笛卡尔积即所有可能的行组合。 Pandas: merge() 方法没有直接对应的方法但可以通过设置 on 参数为 None 并将 how 设置为 outer 来实现。示例代码merged_df pd.merge(df1, df2, howouter)6. SEMI JOIN SQL: SEMI JOIN 返回左表中在右表中有匹配项的行。 Pandas: merge() 方法结合 boolean indexing 可以模拟 SEMI JOIN。示例代码semi_joined_df df1[df1[key].isin(df2[key])]7. ANTI JOIN SQL: ANTI JOIN 返回左表中在右表中没有匹配项的行。 Pandas: merge() 方法结合 boolean indexing 可以模拟 ANTI JOIN。示例代码anti_joined_df df1[~df1[key].isin(df2[key])]示例代码
假设我们有两个DataFrame df1 和 df2我们将演示这些连接操作
import pandas as pd# 创建示例 DataFrame
data1 {key: [A, B, C, D],value1: [1, 2, 3, 4]
}
df1 pd.DataFrame(data1)data2 {key: [B, D, E],value2: [5, 6, 7]
}
df2 pd.DataFrame(data2)# INNER JOIN
inner_joined_df pd.merge(df1, df2, onkey, howinner)
print(INNER JOIN:)
print(inner_joined_df)# LEFT JOIN
left_joined_df pd.merge(df1, df2, onkey, howleft)
print(\nLEFT JOIN:)
print(left_joined_df)# RIGHT JOIN
right_joined_df pd.merge(df1, df2, onkey, howright)
print(\nRIGHT JOIN:)
print(right_joined_df)# FULL OUTER JOIN
full_outer_joined_df pd.merge(df1, df2, onkey, howouter)
print(\nFULL OUTER JOIN:)
print(full_outer_joined_df)# CROSS JOIN
cross_joined_df pd.merge(df1, df2, howouter)
print(\nCROSS JOIN:)
print(cross_joined_df)# SEMI JOIN
semi_joined_df df1[df1[key].isin(df2[key])]
print(\nSEMI JOIN:)
print(semi_joined_df)# ANTI JOIN
anti_joined_df df1[~df1[key].isin(df2[key])]
print(\nANTI JOIN:)
print(anti_joined_df)输出示例
假设 df1 和 df2 如下所示
df1:key value1
0 A 1
1 B 2
2 C 3
3 D 4df2:key value2
0 B 5
1 D 6
2 E 7输出结果将会是
INNER JOIN:key value1 value2
1 B 2 5
3 D 4 6LEFT JOIN:key value1 value2
0 A 1 NaN
1 B 2 5.0
2 C 3 NaN
3 D 4 6.0RIGHT JOIN:key value1 value2
1 B 2.0 5.0
3 D 4.0 6.0
2 E NaN 7.0FULL OUTER JOIN:key value1 value2
0 A 1.0 NaN
1 B 2.0 5.0
2 C 3.0 NaN
3 D 4.0 6.0
4 E NaN 7.0CROSS JOIN:key_x value1 key_y value2
0 A 1 B 5
1 A 1 D 6
2 A 1 E 7
3 B 2 B 5
4 B 2 D 6
5 B 2 E 7
6 C 3 B 5
7 C 3 D 6
8 C 3 E 7
9 D 4 B 5
10 D 4 D 6
11 D 4 E 7SEMI JOIN:key value1
1 B 2
3 D 4ANTI JOIN:key value1
0 A 1
2 C 3
