在SQL中，JOIN操作通常用于合并两个或多个表。JOINS操作有很多种，pandas也提供了这些方法的实现，可以方便地组合Series或DataFrame。SQL语句提供了多种类型的JOINS：innerjoin、outerjoin、fulljoin、self-join、cross-join。本文将重点介绍自连接和交叉连接以及如何在PandasDataFrame中操作它们。自连接顾名思义，自连接是将DataFrame连接到自身的连接。即join的左右两边是同一个DataFrame。自连接通常用于查询分层数据集或比较同一DataFrame中的行。示例1：查询分层DataFrame假设您有下表，它表示一家公司的组织结构。manager_id列引用employee_id列并指示该员工向哪个经理报告。要获取员工的下属姓名，可以使用自连接查询表。我们将首先创建一个名为df_managers的新DataFrame，然后加入我们自己。第二个df_managers的manager_id在加入的时候需要删除，这样才不会报错。要获取经理信息，请使用how='left'。做一个左链接，在没有这个管理器的情况下得到NaN，最后只重命名该列。最终输出如下所示。ReginaPhilangi没有经理，这意味着她不向任何人汇报。她是最高管理者。注意：如果我们想排除ReginaPhilangi，我们可以使用innerjoin"how='inner'"我们也可以使用pandas.merge()函数在Pandas中执行自连接，如下所示。df_manager2的输出与df_manager相同。交叉连接交叉连接也是一种连接，可生成两个或多个表中的行的笛卡尔积。它将第一个表中的一行与第二个表中的每一行组合在一起。下表说明了将表df1连接到另一个表df2时交叉连接的结果。示例2：创建产品库存本示例的目标是获取服装店的库存，可以通过任何SKU（此处为颜色）组合。对于这个示例数据，DataFrame都没有索引，因此使用pandas.merge()函数很方便。您还可以使用pandas.concat()函数，结果与pandas.merge()函数相同。总结在本文中，我描述了如何在Pandas中使用串联操作，以及它们是如何在PandasDataFrame上执行的。这是一篇非常简单的介绍性文章，希望对您在处理数据时有所帮助。https://www.overfit.cn/post/e6adb313512d4bc5b4d4a855179ae701
