python DataFrame 两表join

在Python中，pandas库提供了DataFrame数据结构，可以方便地进行表格型数据处理。其中，join操作是将两个DataFrame按照某个共同列进行合并的操作。下面是两个DataFrame的join操作实现：

1. Inner Join：
内连接是指将两个DataFrame按照某个共同列进行匹配，并将匹配成功的行合并到一个新的DataFrame中。例如：

import pandas as pd

# 创建两个DataFrame
df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'value1': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['C', 'D', 'E', 'F'], 'value2': [5, 6, 7, 8]})

# 使用merge函数进行inner join
result = pd.merge(df1, df2, on='key')

# 输出结果
print(result)

输出结果为：

  key  value1  value2
0   C       3       5
1   D       4       6

2. Left Join：
左连接是指以左侧的DataFrame为基准，将右侧的DataFrame按照某个共同列进行匹配，并将匹配成功的行合并到一个新的DataFrame中。如果右侧的DataFrame中没有对应的匹配行，则填充缺失值NaN。例如：

import pandas as pd

# 创建两个DataFrame
df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'value1': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['C', 'D', 'E', 'F'], 'value2': [5, 6, 7, 8]})

# 使用merge函数进行left join
result = pd.merge(df1, df2, on='key', how='left')

# 输出结果
print(result)

输出结果为：

  key  value1  value2
0   A       1     NaN
1   B       2     NaN
2   C       3     5.0
3   D       4     6.0

3. Right Join：
右连接是指以右侧的DataFrame为基准，将左侧的DataFrame按照某个共同列进行匹配，并将匹配成功的行合并到一个新的DataFrame中。如果左侧的DataFrame中没有对应的匹配行，则填充缺失值NaN。例如：

import pandas as pd

# 创建两个DataFrame
df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'value1': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['C', 'D', 'E', 'F'], 'value2': [5, 6, 7, 8]})

# 使用merge函数进行right join
result = pd.merge(df1, df2, on='key', how='right')

# 输出结果
print(result)

输出结果为：

  key  value1  value2
0   C     3.0       5
1   D     4.0       6
2   E     NaN       7
3   F     NaN       8

4. Outer Join：
外连接是指将两个DataFrame按照某个共同列进行匹配，并将所有行合并到一个新的DataFrame中。如果左侧或右侧的DataFrame中没有对应的匹配行，则填充缺失值NaN。例如：

import pandas as pd

# 创建两个DataFrame
df1 = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'value1': [1, 2, 3, 4]})
df2 = pd.DataFrame({'key': ['C', 'D', 'E', 'F'], 'value2': [5, 6, 7, 8]})

# 使用merge函数进行outer join
result = pd.merge(df1, df2, on='key', how='outer')

# 输出结果
print(result)

输出结果为：

  key  value1  value2
0   A     1.0     NaN
1   B     2.0     NaN
2   C     3.0     5.0
3   D     4.0     6.0
4   E     NaN     7.0
5   F     NaN     8.0