标签：
表关联类型
内连接：
- 仅显示满足条件的行
- From T1,T2 where T1.ID=T2.ID
- From T1 inner join T2 ON T1.ID=T2.ID
左连接：
- 显示左表T1中的所有行，并把右表T2中符合条件加到左表T1中
- From T1 left out join T2 ON T1.ID=T2.ID
右连接：
- 显示右表T1中的所有行，并把左表T1中符合条件加到右表T2中
- From T1 right outer join T2 ON T1.ID=T2.ID
全连接：
- 显示左表T1，右表T2两边中的所有行，即把左联结果表+右联结果表组合在一起，然后过滤掉重复的
- From T1 full outer join T2 ON T1.ID=T2.ID
文件关联类型：
文件导入
- data=pd.read_csv(/path/inputfile) #读取数据
- df=DataFrame(data) #转换为dataframe格式
内连接
- df3=pd.merge(df1,df2,on=‘key‘)
- df4=pd.merge(df1,df2,on=‘key‘,how=‘inner‘)
左连接
df_l=pd.merge(df1,df2,on=‘key‘,how=‘left‘)
右连接
df_r=pd.merge(df1,df2,on=‘key‘,how=‘right‘)
全连接
df_a=pd.merge(df1,df2,on=‘key‘,how=‘outer‘)
实例
内连接：mysql> select * from stud_info T1 , stud_score T2 where T1.stud_code=T2.stud_code;
内连接：mysql> select * from stud_info T1 inner join stud_score T2 on T1.stud_code=T2.stud_code;
左连接：mysql> select * from stud_info T1 left outer join stud_score T2 on T1.stud_code=T2.stud_code;
右连接：mysql> select * from stud_info T1 right outer join stud_score T2 on T1.stud_code=T2.stud_code;
文件关联
In [1]: import numpy as npIn [2]: import pandas as pdIn [3]: from pandas import DataFrameIn [4]: df1=DataFrame({‘key‘:[‘a‘,‘a‘,‘b‘,‘c‘,‘c‘],‘data1‘:range(5)})In [5]: df2=DataFrame({‘key‘:[‘a‘,‘b‘,‘d‘],‘data1‘:range(3)})
内连接【三种方式】
In [8]: df3=pd.merge(df1,df2,on=‘key‘) #把符合条件的行取出来In [10]: df4=pd.merge(df1,df2,on=‘key‘,how=‘inner‘) In [12]: df5=pd.merge(df1,df2,left_on="key",right_on="key",how="inner")
左连接
In [14]: df_l=pd.merge(df1,df2,on="key",how=‘left‘)
右连接
In [16]: df_r=pd.merge(df1,df2,on="key",how=‘right‘)
全连接
In [18]: df6=pd.merge(df1,df2,on=‘key‘,how=‘outer‘)
In [21]: df7=pd.merge(df1,df2,on=‘key‘,how=‘inner‘,suffixes=[‘_left‘,‘_right‘])
注释：两个表结构相同的字段，自动添加后缀_x,-y，也可自定义后缀，通过suffixes=(‘_left‘,‘_right‘)
选择数据
In [24]: df7=df6[[‘key‘,‘data1_x‘]]
修改列名
In [40]: df8=df7.rename(columns={‘data1_right‘:‘data‘}) #将data1_right修改成data
保存数据
mysql基础（5）-关联
标签：
原文地址：http://www.cnblogs.com/wujiadong2014/p/5718124.html
