python的工具包pandas提供了内连接、外连接（左连接和右连接）和全连接 ，从而由dataframe生成信息更丰富的数据。本文简述pandas中的连接 的应用举例。pandas中数据表连接的概念与一般数据库中对应的概念含义相同。
import panas as pd
数据准备
创建两个表：products 和 customers，内容如下：
product=pd.DataFrame({ 'Product_ID':[101,102,103,104,105,106,107,103,107], 'Product_name':['手表','背包','鞋类','智能手机','书籍','食用油','笔记本电脑','鞋类','笔记本电脑'], 'Category':['时装类','时装类','时装类','电子产品','学习用品','食材','电子产品','时装类','电子产品'], 'Price':[299.0,1350.50,2999.0,14999.0,145.0,110.0,79999.0,2999.0,79999.0], 'Seller_City':['上海','上海','北京','杭州','深圳','北京','广州','北京','广州'] })
结果如下：
customer=pd.DataFrame({ 'id':[1,2,3,4,5,6,7,8,9], 'name':['李丽','王晓薇','张静','薛紫薇','刘婷','刘铭','王涛','吴小刚','刘谦'], 'age':[20,25,15,10,30,65,35,18,23], 'Product_ID':[101,0,106,0,103,104,0,0,107], 'Purchased_Product':['手表','NA','食用油','NA','鞋类','智能手机','NA','NA','笔记本电脑'], 'City':['上海','北京','广州','深圳','深圳','北京','杭州','北京','上海'] })
pandas提供的merge函数 和 内连接（inner join）
merge函数是pandas中操作dataframe数据常用的一个函数，其默认状态为执行内连接（inner join），要连接的两个dataframe为其中的两个参数，另一个参数是要建立的列名称。
pd.merge(product,customer,on='Product_ID')
基于product_id列，建立productcustomer两个表的内连接，结果如下图：
参数‘left_on’ 和 ‘right_on’ 分别为连表的键名称，可以用数组包括多个列。
pd.merge(product,customer,how='inner',left_on=['Product_ID','Seller_City'],right_on=['Product_ID','City'])
运行结果如下，
全连接（Full join）
如果想获取全部产品的信息，可以使用全连接，把product和customer两个dataframe结合起来。
pd.merge(product,customer,on='Product_ID',how='outer')
运行结果如下：
其中所有不匹配的行都标志为NaN。如果命令中有 indicator 参数，就会出现_merge列，
pd.merge(product,customer,on='Product_ID',how='outer',indicator=True)
结果如下：
左连接（left join）
如果想获取购买了商品的消费者的信息，可以使用 左连接。左连接和右连接都属于外连接。
pd.merge(product,customer,on='Product_ID',how='left')
执行结果如下，
右连接（right join）
如果想得到包括购买商品信息的消费者的数据表，则可以使用右连接，
pd.merge(product,customer,on='Product_ID',how='right')
结果如下图：
如何处理连接中出现的冗余/重复数据
建立一个product数据的副本，
product_dup=pd.DataFrame({ 'Product_ID':[101,102,103,104,105,106,107,103,107], 'Product_name':['手表','背包','鞋类','智能手机','书籍','食用油','笔记本电脑','鞋类','笔记本电脑'], 'Category':['时装类','时装类','时装类','电子产品','学习用品','食材','电子产品','时装类','电子产品'], 'Price':[299.0,1350.50,2999.0,14999.0,145.0,110.0,79999.0,2999.0,79999.0], 'Seller_City':['上海','上海','北京','杭州','深圳','北京','广州','北京','广州'] })
执行以下命令：
pd.merge(product_dup,customer,how='inner',on='Product_ID')
结果如下图：
可以看到有重复的数据行，解决这一问题，可以在merge函数中使用 validate 参数，可设置为：‘one_to_one’, ‘one_to_many’, ‘many_to_one’, 和 ‘many_to_many’.
pd.merge(product_dup,customer,how='inner',on='Product_ID',validate='many_to_many')
运行结果如下：
pandas中dataframe数据表连接的概念，和关系数据库以及SQL语言中的概念具有相同的含义。
