当Pandas遇到SQL，如何做关联查询

[[428183]]

在日常数据查询时，绝大多数情况是将表格关联起来进行查询的，而不仅仅是对一张表格的数据进行查询，常用的数据拼接有两种方法，一种是以行为单位纵向连接，另一种是以列为单位横向拼接，纵向连接使用的函数是UNION，水平拼接使用的函数是JOIN，本节使用pandasql库借助SQL语句进行表格连接，下面一起来学习。

• 示例工具：anconda3.7
• 本文讲解内容：pandasql库的使用、SQL连接
• 适用范围：在Python中实现多表连接

数据表创建

本节因为案例需要，所以事先用 pandas创建3个表，数据表内容包含用户ID、日期、城市、年龄、性别等字段，三个表的共同字段都是用户ID，所以，可以作为连接的主键，使用pandas构建数据表结果如下。

构建第一张表作为基础表，以用户ID作为主键，进行连接。

import pandas as pd 
import datetime 
#构造数据集df1 
df1 = pd.DataFrame({'用户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', '广州', '上海', '杭州', '北京'], 
                    '年龄':[23,44,54,32,34,32], 
                    '性别':['F','M','M','F','F','F'], 
                    '成交量':[3200,1356,2133,6733,2980,3452]}, 
                    columns =['用户ID','日期','城市','年龄','性别','成交量']) 
df1 

构建第二张表，用于数据表的横向连接。

#构造数据集df2 
df2 = pd.DataFrame({'用户ID':[1007,1008,1009], 
                    '日期':pd.date_range(datetime.datetime(2021,3,1),periods=3), 
                    '城市':['北京', '上海', '广州'], 
                    '年龄':[33,34,34,], 
                    '性别':['F','M','F'], 
                    '成交量':[4200,3356,2633]}, 
                    columns =['用户ID','日期','城市','年龄','性别','成交量']) 
df2 

构建第三张表，以用户ID为主键，用于数据表的横向连接。

#构造构造列名不同的df3 
df3 = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008,1009,1010], 
                    "平台":['京东','淘宝','京东','天猫','唯品会','苏宁','天猫','淘宝','美团','拼多多'], 
                    "收入额":[100000,320000,240000,445000,340000,640000,300000,460000,540000,230000]}, 
                    columns =['id','平台','收入额']) 
df3 

横向连接

首先是表的横向连接，顾名思义，就是在原基础表，往下一空行复制粘贴新的数据，要求两张表的列标题都是一样的，才能正常连接，这里使用UNION ALL进行连接，表示将列标题相同的两张表连接起来，如果是使用UNION连接，两张中相同的两行只会保留一行连接。

#导入pandasql库 
import pandasql as sql 
 
#表的横向连接 
sql.sqldf("""select * from df1 
             union all 
             select * from df2""") 

纵向连接No.1内连接

纵向连接是表格连接中使用最广泛的连接，纵向连接又可以分为内连接和外连接，内连接，连接表都匹配的记录才会出现在最终的结果集，并且连接顺序无关，这里内连接的第一种办法是使用WHERE语句，当两个表的ID相同时进行连接。

#内连接 
sql.sqldf("""select * from df1,df3 
             where df1.用户ID=df3.id;""") 

除了使用WHERE语句进行内连接，还可以使用INNER JOIN函数进行内连接，当两个表的ID相同时进行连接。

#内连接 
sql.sqldf("""select * from df1 
             inner join df3 
             on df1.用户ID=df3.id;""") 

纵向连接No.2外连接

外连接以其中一张表为驱动表，与另张表的每条记录进行匹配如果能够匹配则进行关联并展示;如果不能匹配则以null展示，与连接顺序有关，这里演示的LEFT JOIN函数，当右边的表与左边的基础表的ID一致时，进行连接，类似于EXCEL函数中的VLOOKUP功能。

#左外连接 
sql.sqldf("""select * from df1 
             left join df3 
             on df1.用户ID=df3.id;""") 

在日常工作使用左外连接的次数会很多，一般都是将多个表进行多次左外连接，这个知识点需要熟练掌握，将上面的连接结果分别赋值变量，然后导出，结果如下。

#数据导出 
write=pd.ExcelWriter(r'C:\Users\尚天强\Desktop'+'\\SQL连接查询结果'+'.xlsx') 
 
sqltable1.to_excel(write,sheet_name='SQL横向连接',index=False) 
sqltable2.to_excel(write,sheet_name='SQL纵向内连接',index=False) 
sqltable3.to_excel(write,sheet_name='SQL纵向左外连接',index=False) 
 
write.save() 
write.close() 

本文转载自微信公众号「大话数据分析」，可以通过以下二维码关注。转载本文请联系大话数据分析公众号。