PythonPandas可以像SQL那样，进行数据筛选统计

相对于学习Pandas各种数据筛选操作，SQL语法显得更加简洁清晰，若能够将SQL语法与Pandas中对应的函数的使用方法关联起来，对于我们应用Pandas进行数据筛选来讲无疑是一个福音。

网站建设公司,为您提供网站建设,网站制作,网页设计及定制网站建设服务,专注于成都定制网页设计,高端网页制作,对成都岗亭等多个行业拥有丰富的网站建设经验的网站建设公司。专业网站设计,网站优化推广哪家好,专业营销推广优化,H5建站,响应式网站。

本文通过Pandas实现SQL语法中条件过滤、排序、关联、合并、更新、删除等简单及复杂操作，使得我们对方法的理解更加深刻，更加得心应手。

演示数据集

本文采用安德森鸢尾花卉(iris)数据集进行演示，iris数据集包含150个样本，对应数据集的每行数据。每行数据包含每个样本的四个特征和样本的类别信息，因此iris数据集是一个150行*5列的二维表。

我们可以 UCI Iris dataset 获取或者使用 from sklearn.datasets import load_iris 方式获取，为了演示方便我们只取其中10行数据，如下：

接下来，就让我们一起学习一下，如何Pandas实现SQL语法中条件过滤、排序、关联、合并、更新、删除等数据查询操作。

字段查询 SELECT

 
 
 
    
  
  
  
  1. SELECT sl, sw, pl, pw FROM iris LIMIT 2; 
    2.

如上SQL实现返回每行记录的 sl,sw,pl,pw 字段，仅返回2行记录。我们使用Pandas实现如上SQL的功能，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.               sheet_name='iris', 
    5.   
  
  
  5.               usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. search = iris[["sl", "sw", "pl", "pw"]].head(2) 
    8.   
  
  
  8. print(search) 
    9.   
  
  
  9.  
    10.   
  
  
  10. # 执行上述代码，输出结果为： 
    11.   
  
  
  11.     sl   sw   pl   pw 
    12.   
  
  
  12. 0  5.1  3.5  1.4  0.2 
    13.   
  
  
  13. 1  4.9  3.0  1.4  0.2 
    14.

简单的条件过滤查询 WHERE

 
 
 
    
  
  
  
  1. SELECT * FROM iris WHERE classes = 1 LIMIT 2; 
    2.

如上SQL实现了查询满足classes=1的记录，并返回2行。我们使用Pandas实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.               sheet_name='iris', 
    5.   
  
  
  5.               usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. search = iris[iris["classes"]==1].head(2) 
    8.   
  
  
  8. print(search) 
    9.   
  
  
  9.  
    10.   
  
  
  10. # 执行上述代码，输出结果为： 
    11.   
  
  
  11.     sl   sw   pl   pw  classes 
    12.   
  
  
  12. 3  6.8  2.8  4.8  1.4        1 
    13.   
  
  
  13. 4  6.7  3.0  5.0  1.7        1 
    14.

多条件的与或过滤查询 WHERE AND|OR

与关系 &

 
 
 
    
  
  
  
  1. SELECT * FROM iris WHERE classes = 1 AND pl >= 5 LIMIT 2; 
    2.

如上SQL实现查询同时满足classes=1 和 pl >=5 两个条件的记录，并返回2行。我们使用Pandas实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. search = iris[ 
    8.   
  
  
  8.     (iris["classes"] == 1) & 
    9.   
  
  
  9.               (iris["pl"] >= 5) 
    10.   
  
  
  10.               ].head(2) 
    11.   
  
  
  11. print(search) 
    12.   
  
  
  12.  
    13.   
  
  
  13. # 执行上述代码，输出结果为： 
    14.   
  
  
  14.     sl   sw   pl   pw  classes 
    15.   
  
  
  15. 4  6.7  3.0  5.0  1.7        1 
    16.

或关系 |

 
 
 
    
  
  
  
  1. SELECT * FROM iris WHERE sl >= 5 OR pl >=5 LIMIT 2; 
    2.

如上SQL实现查询满足 sl >=5 或者 pl >=5 任一条件的记录，返回2行。我们使用Pandas实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. search = iris[ 
    8.   
  
  
  8.     (iris["sl"] >= 5) | 
    9.   
  
  
  9.               (iris["pl"] >= 5) 
    10.   
  
  
  10.               ].head(2) 
    11.   
  
  
  11. print(search) 
    12.   
  
  
  12.  
    13.   
  
  
  13. # 执行上述代码，输出结果为： 
    14.   
  
  
  14.     sl   sw   pl   pw  classes 
    15.   
  
  
  15. 0  5.1  3.5  1.4  0.2        0 
    16.   
  
  
  16. 2  5.4  3.9  1.7  0.4        0 
    17.

条件过滤 空值判断

空判断 is null

 
 
 
    
  
  
  
  1. SELECT * FROM iris WHERE sl IS NULL; 
    2.

如上SQL实现查询 sl 字段为NULL的记录，我们使用Pandas实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. search = iris[iris["sl"].isna()] 
    8.   
  
  
  8. print(search) 
    9.

非空判断 is not null

 
 
 
    
  
  
  
  1. SELECT * FROM iris WHERE sl IS NOT NULL; 
    2.

如上SQL实现查询sl字段不为 NULL 的记录。我们使用Pandas实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. search = iris[iris["sl"].notna()] 
    8.   
  
  
  8. print(search) 
    9.   
  
  
  9.  
    10.   
  
  
  10. # 执行上述代码，输出结果为： 
    11.   
  
  
  11.     sl   sw   pl   pw  classes 
    12.   
  
  
  12. 0  5.1  3.5  1.4  0.2        0 
    13.   
  
  
  13. 1  4.9  3.0  1.4  0.2        0 
    14.   
  
  
  14. 2  5.4  3.9  1.7  0.4        0 
    15.   
  
  
  15. 3  6.8  2.8  4.8  1.4        1 
    16.   
  
  
  16. 4  6.7  3.0  5.0  1.7        1 
    17.   
  
  
  17. 5  6.0  2.9  4.5  1.5        1 
    18.   
  
  
  18. 6  5.6  2.8  4.9  2.0        2 
    19.   
  
  
  19. 7  7.7  2.8  6.7  2.0        2 
    20.   
  
  
  20. 8  6.3  2.7  4.9  1.8        2 
    21.   
  
  
  21. 9  6.7  3.3  5.7  2.1        2 
    22.

排序 ORDER BY ASC|DESC

 
 
 
    
  
  
  
  1. SELECT * FROM iris WHERE sl >= 6 ORDER BY DESC classes; 
    2.

如上SQL实现将满足sl字段值大于等于5的记录，按照classes降序排序。我们使用Pandas实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. search = iris[(iris["sl"] >= 6)].sort_values( 
    8.   
  
  
  8.                                  by="classes", ascending=False) 
    9.   
  
  
  9. print(search) 
    10.   
  
  
  10.  
    11.   
  
  
  11. # 执行上述代码，输出结果为： 
    12.   
  
  
  12.     sl   sw   pl   pw  classes 
    13.   
  
  
  13. 7  7.7  2.8  6.7  2.0        2 
    14.   
  
  
  14. 8  6.3  2.7  4.9  1.8        2 
    15.   
  
  
  15. 9  6.7  3.3  5.7  2.1        2 
    16.   
  
  
  16. 3  6.8  2.8  4.8  1.4        1 
    17.   
  
  
  17. 4  6.7  3.0  5.0  1.7        1 
    18.   
  
  
  18. 5  6.0  2.9  4.5  1.5        1 
    19.

更新 UPDATE

 
 
 
    
  
  
  
  1. UPDATE iris SET classes = 2 WHERE pw = 1.7 AND pl >= 5; 
    2.

如上SQL实现将同时满足pw = 1.7 和 pl >= 5的记录中的classes字段值更新为2。我们使用Pandas实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. iris.loc[(iris["pw"] == 1.7) & (iris["pl"] >= 5), "classes"] = 2 
    8.   
  
  
  8.  
    9.   
  
  
  9. print(iris[iris["pw"] == 1.7]) 
    10.   
  
  
  10.  
    11.   
  
  
  11. # 执行上述代码，输出结果为： 
    12.   
  
  
  12.     sl   sw   pl   pw  classes 
    13.   
  
  
  13. 4  6.7  3.0  5.0  1.7        2 
    14.

分组统计 GROUP BY

 
 
 
    
  
  
  
  1. SELECT classes, COUNT(*) FROM iris GROUP BY classes; 
    2.

如上SQL实现 根据classes进行分组，返回classes 及每组数量。我们使用Pandas实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. count = iris.groupby("classes").size() 
    8.   
  
  
  8.  
    9.   
  
  
  9. print(count) 
    10.   
  
  
  10.  
    11.   
  
  
  11. # 执行上述代码，输出结果为： 
    12.   
  
  
  12. classes 
    13.   
  
  
  13. 0    3 
    14.   
  
  
  14. 1    3 
    15.   
  
  
  15. 2    4 
    16.   
  
  
  16. dtype: int64 
    17.

分组统计 聚合输出

 
 
 
    
  
  
  
  1. SELECT classes, avg(pl), max(sl) FROM iris GROUP BY classes; 
    2.

如何SQL实现根据classes进行分组，返回classes值，每个分组的pl平均值以及每个分组的sl最大值。我们使用Pandas实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2. import numpy as np 
    3.   
  
  
  3. iris = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. search = iris.groupby("classes").agg( 
    8.   
  
  
  8.                                 {"sl":np.max, "pl":np.mean}) 
    9.   
  
  
  9.  
    10.   
  
  
  10. print(search) 
    11.   
  
  
  11.  
    12.   
  
  
  12. # 执行上述代码，输出结果为： 
    13.   
  
  
  13.           sl        pl 
    14.   
  
  
  14. classes                
    15.   
  
  
  15. 0        5.4  1.500000 
    16.   
  
  
  16. 1        6.8  4.766667 
    17.   
  
  
  17. 2        7.7  5.550000 
    18.

删除

 
 
 
    
  
  
  
  1. DELETE FROM iris WHERE pw = 1.7 AND pl >=5; 
    2.

如上SQL实现将同时满足pw = 1.7 和 pl >= 5的记录删除。我们使用Pandas实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. drop = iris.drop(iris[(iris["pw"] == 1.7) & 
    8.   
  
  
  8.                        (iris["pl"] >= 5)].index) 
    9.   
  
  
  9.  
    10.   
  
  
  10. print(drop[drop["pw"] > 1.6]) 
    11.   
  
  
  11.  
    12.   
  
  
  12. # 执行上述代码，输出结果为： 
    13.   
  
  
  13.     sl   sw   pl   pw  classes 
    14.   
  
  
  14. 6  5.6  2.8  4.9  2.0        2 
    15.   
  
  
  15. 7  7.7  2.8  6.7  2.0        2 
    16.   
  
  
  16. 8  6.3  2.7  4.9  1.8        2 
    17.   
  
  
  17. 9  6.7  3.3  5.7  2.1        2 
    18.

UNION & JOIN 演示数据集

接下来介绍如何使用Pandas进行合并查询及多表关联查询，为了演示方便，我们上面示例中的iris数据集，拆分成iris_a，iris_b两部分，如下：

UNION 合并查询

合并结果 UNION ALL 可能存在重复记录

合并如下两个 SELECT 语句的结果集，需注意，UNION ALL 内部的 SELECT 语句必须拥有相同数量的列，列也必须拥有相似的数据类型。同时，每条 SELECT 语句中的列的顺序必须相同。

 
 
 
    
  
  
  
  1. SELECT * FROM iris_a WHERE classes = 1 
    2.   
  
  
  2. UNION ALL 
    3.   
  
  
  3. SELECT * FROM iris_b WHERE classes = 1 ; 
    4.

如上SQL实现将两个查询结果进行合并，允许存在重复记录。我们使用 pandas.concat 方法实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris_a = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris_a', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. iris_b = pd.read_excel(io="iris.xlsx", 
    8.   
  
  
  8.                      sheet_name='iris_b', 
    9.   
  
  
  9.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    10.   
  
  
  10.  
    11.   
  
  
  11. data = pd.concat( 
    12.   
  
  
  12.     [iris_a[iris_a["classes"] == 1], iris_b[iris_b["classes"] == 1]]) 
    13.   
  
  
  13.  
    14.   
  
  
  14. print(data) 
    15.   
  
  
  15.  
    16.   
  
  
  16. # 执行上述代码，输出结果为： 
    17.   
  
  
  17.     sl   sw   pl   pw  classes 
    18.   
  
  
  18. 3  6.8  2.8  4.8  1.4        1 
    19.   
  
  
  19. 4  6.7  3.0  5.0  1.7        1 
    20.   
  
  
  20. 0  6.7  3.0  5.0  1.7        1 
    21.   
  
  
  21. 1  6.0  2.9  4.5  1.5        1 
    22.

合并结果 UNION 不存在重复记录

合并如下两个 SELECT 语句的结果集，同时也需注意，UNION 内部的 SELECT 语句必须拥有相同数量的列，列也必须拥有相似的数据类型。同时，每条 SELECT 语句中的列的顺序必须相同。

 
 
 
    
  
  
  
  1. SELECT * FROM iris_a WHERE classes = 1 
    2.   
  
  
  2. UNION 
    3.   
  
  
  3. SELECT * FROM iris_b WHERE classes = 1 ; 
    4.

如上SQL实现将两个select查询结果进行合并，不允许存在重复记录。我们使用 pandas.concat.drop_duplicates 方法 实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris_a = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris_a', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. iris_b = pd.read_excel(io="iris.xlsx", 
    8.   
  
  
  8.                      sheet_name='iris_b', 
    9.   
  
  
  9.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    10.   
  
  
  10.  
    11.   
  
  
  11. data = pd.concat( 
    12.   
  
  
  12.     [iris_a[iris_a["classes"] == 1], 
    13.   
  
  
  13.      iris_b[iris_b["classes"] == 1]]).drop_duplicates() 
    14.   
  
  
  14.  
    15.   
  
  
  15. print(data) 
    16.   
  
  
  16.  
    17.   
  
  
  17. # 执行上述代码，输出结果为： 
    18.   
  
  
  18.     sl   sw   pl   pw  classes 
    19.   
  
  
  19. 3  6.8  2.8  4.8  1.4        1 
    20.   
  
  
  20. 4  6.7  3.0  5.0  1.7        1 
    21.   
  
  
  21. 1  6.0  2.9  4.5  1.5        1 
    22.

JOIN 连接查询

同样，我们依旧使用如上演示数据，如下：

内连接 INNER JOIN

获取iris_a，iris_b两个表中classes字段相同的记录，并返回满足条件的两张表中的所有记录。

 
 
 
    
  
  
  
  1. SELECT * FROM iris_a  
    2.   
  
  
  2. INNER JOIN iris_b  
    3.   
  
  
  3. ON iris_a.classes = iris_b.classes; 
    4.

如上SQL实现iris_a 与 iris_b 按照classes字段进行内连接。我们使用 pandas.merge(iris_a, iris_b, on='classes') 实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris_a = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris_a', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. iris_b = pd.read_excel(io="iris.xlsx", 
    8.   
  
  
  8.                      sheet_name='iris_b', 
    9.   
  
  
  9.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    10.   
  
  
  10.  
    11.   
  
  
  11. inner = pd.merge(iris_a, iris_b, on="classes") 
    12.   
  
  
  12. print(inner) 
    13.   
  
  
  13.  
    14.   
  
  
  14. # 执行上述代码，输出结果为： 
    15.   
  
  
  15.    sl_x  sw_x  pl_x  pw_x  classes  sl_y  sw_y  pl_y  pw_y 
    16.   
  
  
  16. 0   6.8   2.8   4.8   1.4        1   6.7   3.0   5.0   1.7 
    17.   
  
  
  17. 1   6.8   2.8   4.8   1.4        1   6.0   2.9   4.5   1.5 
    18.   
  
  
  18. 2   6.7   3.0   5.0   1.7        1   6.7   3.0   5.0   1.7 
    19.   
  
  
  19. 3   6.7   3.0   5.0   1.7        1   6.0   2.9   4.5   1.5 
    20.

左连接 LEFT OUTER JOIN

获取左表 iris_a 所有记录，判断每条数据的 classes 字段是否能匹配到右表iris_b的数据，无论能否匹配到，左表 iris_a 数据都会保留。若能匹配，则左右表都保留。若不能匹配，右表iris_b字段都置空NULL，并返回保留的记录。

 
 
 
    
  
  
  
  1. SELECT * FROM iris_a  
    2.   
  
  
  2. LEFT JOIN iris_b  
    3.   
  
  
  3. ON iris_a.classes = iris_b.classes; 
    4.

如上SQL实现iris_a 与 iris_b 按照classes字段进行左连接。我们使用 pandas.merge(iris_a, iris_b, on='classes', how='left') 方法实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris_a = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris_a', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. iris_b = pd.read_excel(io="iris.xlsx", 
    8.   
  
  
  8.                      sheet_name='iris_b', 
    9.   
  
  
  9.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    10.   
  
  
  10.  
    11.   
  
  
  11. inner = pd.merge(iris_a, iris_b, on="classes", how="left") 
    12.   
  
  
  12. print(inner) 
    13.   
  
  
  13.  
    14.   
  
  
  14. # 执行上述代码，输出结果为： 
    15.   
  
  
  15.    sl_x  sw_x  pl_x  pw_x  classes  sl_y  sw_y  pl_y  pw_y 
    16.   
  
  
  16. 0   5.1   3.5   1.4   0.2        0   NaN   NaN   NaN   NaN 
    17.   
  
  
  17. 1   4.9   3.0   1.4   0.2        0   NaN   NaN   NaN   NaN 
    18.   
  
  
  18. 2   5.4   3.9   1.7   0.4        0   NaN   NaN   NaN   NaN 
    19.   
  
  
  19. 3   6.8   2.8   4.8   1.4        1   6.7   3.0   5.0   1.7 
    20.   
  
  
  20. 4   6.8   2.8   4.8   1.4        1   6.0   2.9   4.5   1.5 
    21.   
  
  
  21. 5   6.7   3.0   5.0   1.7        1   6.7   3.0   5.0   1.7 
    22.   
  
  
  22. 6   6.7   3.0   5.0   1.7        1   6.0   2.9   4.5   1.5 
    23.

右连接 RIGHT OUTER JOIN

获取右表 iris_b 所有记录，判断每条数据的 classes 字段是否能匹配到右表 iris_a 的数据，无论能否匹配到，右表 iris_b 数据都会保留。若能匹配，则左右表都保留。若不能匹配，左表iris_a字段都置空NULL，并返回保留的记录。

 
 
 
    
  
  
  
  1. SELECT * FROM iris_a  
    2.   
  
  
  2. RIGHT JOIN iris_b  
    3.   
  
  
  3. ON iris_a.classes = iris_b.classes; 
    4.

如上SQL实现iris_a 与 iris_b 按照classes字段进行右连接。我们使用 pandas.merge(iris_a, iris_b, on='classes', how='right')实现该SQL，代码如下：

 
 
 
    
  
  
  
  1. import pandas as pd 
    2.   
  
  
  2.  
    3.   
  
  
  3. iris_a = pd.read_excel(io="iris.xlsx", 
    4.   
  
  
  4.                      sheet_name='iris_a', 
    5.   
  
  
  5.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    6.   
  
  
  6.  
    7.   
  
  
  7. iris_b = pd.read_excel(io="iris.xlsx", 
    8.   
  
  
  8.                      sheet_name='iris_b', 
    9.   
  
  
  9.                      usecols=["sl", "sw", "pl", "pw", "classes"]) 
    10.   
  
  
  10.  
    11.   
  
  
  11. inner = pd.merge(iris_a, iris_b, on="classes", how="right") 
    12.   
  
  
  12. print(inner) 
    13.   
  
  
  13.  
    14.   
  
  
  14. # 执行上述代码，输出结果为： 
    15.   
  
  
  15.    sl_x  sw_x  pl_x  pw_x  classes  sl_y  sw_y  pl_y  pw_y 
    16.   
  
  
  16. 0   6.8   2.8   4.8   1.4        1   6.7   3.0   5.0   1.7 
    17.   
  
  
  17. 1   6.7   3.0   5.0   1.7        1   6.7   3.0   5.0   1.7 
    18.   
  
  
  18. 2   6.8   2.8   4.8   1.4        1   6.0   2.9   4.5   1.5 
    19.   
  
  
  19. 3   6.7   3.0   5.0   1.7        1   6.0   2.9   4.5   1.5 
    20.   
  
  
  20. 4   NaN   NaN   NaN   NaN        2   5.6   2.8   4.9   2.0 
    21.   
  
  
  21. 5   NaN   NaN   NaN   NaN        2   7.7   2.8   6.7   2.0 
    22.   
  
  
  22. 6   NaN   NaN   NaN   NaN        2   6.3   2.7   4.9   1.8 
    23.   
  
  
  23. 7   NaN   NaN   NaN   NaN        2   6.7   3.3   5.7   2.1 
    24.

分享文章：PythonPandas可以像SQL那样，进行数据筛选统计
标题网址：http://www.shufengxianlan.com/qtweb/news45/178345.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联

猜你还喜欢下面的内容

做网站知识

同城分类信息

成都微信开发　　 　成都网站优化　　 　免备案虚拟主机空间　　 　成都网站推广公司　　 　雅安网站建设　　 　绵阳网站建设　　 　棕树数据中心　　 　品牌网站建设公司　　 　益鑫餐饮　　 　重庆手机网站建设　　 　达州网站建设　　 　乐山服务器托管　　 　云服务器　　 　成都企业网站维护　　 　企业邮箱　　 　网站设计制作报价　　 　成都保温材料　　 　崇州网站建设　　 　网站建设　　 　瑞杰企业管理