[[428183]]

在日常數(shù)據(jù)查詢時(shí)，絕大多數(shù)情況是將表格關(guān)聯(lián)起來進(jìn)行查詢的，而不僅僅是對一張表格的數(shù)據(jù)進(jìn)行查詢，常用的數(shù)據(jù)拼接有兩種方法，一種是以行為單位縱向連接，另一種是以列為單位橫向拼接，縱向連接使用的函數(shù)是UNION，水平拼接使用的函數(shù)是JOIN，本節(jié)使用pandasql庫借助SQL語句進(jìn)行表格連接，下面一起來學(xué)習(xí)。

• 示例工具：anconda3.7
• 本文講解內(nèi)容：pandasql庫的使用、SQL連接
• 適用范圍：在Python中實(shí)現(xiàn)多表連接

數(shù)據(jù)表創(chuàng)建

本節(jié)因?yàn)榘咐枰允孪扔? pandas創(chuàng)建3個(gè)表，數(shù)據(jù)表內(nèi)容包含用戶ID、日期、城市、年齡、性別等字段，三個(gè)表的共同字段都是用戶ID，所以，可以作為連接的主鍵，使用pandas構(gòu)建數(shù)據(jù)表結(jié)果如下。

構(gòu)建第一張表作為基礎(chǔ)表，以用戶ID作為主鍵，進(jìn)行連接。

import pandas as pd 
import datetime 
#構(gòu)造數(shù)據(jù)集df1 
df1 = pd.DataFrame({'用戶ID':[1001,1002,1003,1004,1005,1006], 
                    '日期':pd.date_range(datetime.datetime(2021,3,26),periods=6), 
                    '城市':['北京', '上海', '廣州', '上海', '杭州', '北京'], 
                    '年齡':[23,44,54,32,34,32], 
                    '性別':['F','M','M','F','F','F'], 
                    '成交量':[3200,1356,2133,6733,2980,3452]}, 
                    columns =['用戶ID','日期','城市','年齡','性別','成交量']) 
df1 

構(gòu)建第二張表，用于數(shù)據(jù)表的橫向連接。

#構(gòu)造數(shù)據(jù)集df2 
df2 = pd.DataFrame({'用戶ID':[1007,1008,1009], 
                    '日期':pd.date_range(datetime.datetime(2021,3,1),periods=3), 
                    '城市':['北京', '上海', '廣州'], 
                    '年齡':[33,34,34,], 
                    '性別':['F','M','F'], 
                    '成交量':[4200,3356,2633]}, 
                    columns =['用戶ID','日期','城市','年齡','性別','成交量']) 
df2 

構(gòu)建第三張表，以用戶ID為主鍵，用于數(shù)據(jù)表的橫向連接。

#構(gòu)造構(gòu)造列名不同的df3 
df3 = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008,1009,1010], 
                    "平臺":['京東','淘寶','京東','天貓','唯品會(huì)','蘇寧','天貓','淘寶','美團(tuán)','拼多多'], 
                    "收入額":[100000,320000,240000,445000,340000,640000,300000,460000,540000,230000]}, 
                    columns =['id','平臺','收入額']) 
df3 

橫向連接

首先是表的橫向連接，顧名思義，就是在原基礎(chǔ)表，往下一空行復(fù)制粘貼新的數(shù)據(jù)，要求兩張表的列標(biāo)題都是一樣的，才能正常連接，這里使用UNION ALL進(jìn)行連接，表示將列標(biāo)題相同的兩張表連接起來，如果是使用UNION連接，兩張中相同的兩行只會(huì)保留一行連接。

#導(dǎo)入pandasql庫 
import pandasql as sql 
 
#表的橫向連接 
sql.sqldf("""select * from df1 
             union all 
             select * from df2""") 

縱向連接No.1內(nèi)連接

縱向連接是表格連接中使用最廣泛的連接，縱向連接又可以分為內(nèi)連接和外連接，內(nèi)連接，連接表都匹配的記錄才會(huì)出現(xiàn)在最終的結(jié)果集，并且連接順序無關(guān)，這里內(nèi)連接的第一種辦法是使用WHERE語句，當(dāng)兩個(gè)表的ID相同時(shí)進(jìn)行連接。

#內(nèi)連接 
sql.sqldf("""select * from df1,df3 
             where df1.用戶ID=df3.id;""") 

除了使用WHERE語句進(jìn)行內(nèi)連接，還可以使用INNER JOIN函數(shù)進(jìn)行內(nèi)連接，當(dāng)兩個(gè)表的ID相同時(shí)進(jìn)行連接。

#內(nèi)連接 
sql.sqldf("""select * from df1 
             inner join df3 
             on df1.用戶ID=df3.id;""") 

縱向連接No.2外連接

外連接以其中一張表為驅(qū)動(dòng)表，與另張表的每條記錄進(jìn)行匹配如果能夠匹配則進(jìn)行關(guān)聯(lián)并展示;如果不能匹配則以null展示，與連接順序有關(guān)，這里演示的LEFT JOIN函數(shù)，當(dāng)右邊的表與左邊的基礎(chǔ)表的ID一致時(shí)，進(jìn)行連接，類似于EXCEL函數(shù)中的VLOOKUP功能。

#左外連接 
sql.sqldf("""select * from df1 
             left join df3 
             on df1.用戶ID=df3.id;""") 

在日常工作使用左外連接的次數(shù)會(huì)很多，一般都是將多個(gè)表進(jìn)行多次左外連接，這個(gè)知識點(diǎn)需要熟練掌握，將上面的連接結(jié)果分別賦值變量，然后導(dǎo)出，結(jié)果如下。

#數(shù)據(jù)導(dǎo)出 
write=pd.ExcelWriter(r'C:\Users\尚天強(qiáng)\Desktop'+'\\SQL連接查詢結(jié)果'+'.xlsx') 
 
sqltable1.to_excel(write,sheet_name='SQL橫向連接',index=False) 
sqltable2.to_excel(write,sheet_name='SQL縱向內(nèi)連接',index=False) 
sqltable3.to_excel(write,sheet_name='SQL縱向左外連接',index=False) 
 
write.save() 
write.close() 

本文轉(zhuǎn)載自微信公眾號「大話數(shù)據(jù)分析」，可以通過以下二維碼關(guān)注。轉(zhuǎn)載本文請聯(lián)系大話數(shù)據(jù)分析公眾號。