对于分析师或数据科学家来说，熟悉多种分析编程语言可以让他们在当今的数据环境中占据优势。在多语言法的主流对话中，SQL语言，尤其是Python语言通常被描述为功能离散的。SQL和Python都可以实现很多功能。探索两种编程语言的重叠特性，可以帮助只熟悉一种编程语言的人更加熟悉另一种编程语言。结合和利用每种编程语言可以做出更明智的决策，并更好地为每项任务选择正确的工具。了解如何使用SQL或Python完成工作将有助于您选择最适合工作的工具。集合操作分析问题通常需要检查许多不同的数据集。在求解过程中，通过比较或组合不同的数据集来创建一组新的数据集是非常有效的。例如，您可能有两个单独的表，其中包含要转换为单个事务表的事务数据，并且您想要将它们合并到一个表中，或者创建一个包含来自两个表的数据的新事务表。在SQL中，集合运算符可以解决这个问题。集合运算符支持比较运算，可以有条件地连接两条SQL语句的结果集。SQL集合运算符包括：UNION：返回要比较的两个查询语句的结果行。默认情况下，如果两条SQL语句的结果集中存在同一行，UNION不会返回重复的行。如果要返回重复行，可以为集合运算符UNION提供可选的ALL关键字。INTERSECT：返回要比较的两条查询语句的结果集中的行。EXCEPT（或MINUS）：返回不在要比较的查询语句的结果集中的行。虽然Python中没有特定种类的集合运算符，但是Python中仍然有各种各样的函数可以实现这些功能。为了说明如何在实践中使用这些集合运算，假设您是双向市场数据科学家。在您的市场中有买家和卖家，两者并不相互排斥。现在，买家和卖家分别存在于数据库的买家和卖家表中。让我们来看看集合操作可能发挥作用的几个场景。Merge和MergeAll假设您要将存在于买家和卖家表中的所有用户合并到一个新的“用户”表中。在SQL中，您可以使用UNION运算符和可选的ALL关键字来实现此目的：--SQLselectuser_idfrommodeanalytics.buyersunionallselectuser_idfrommodeanalytics.sellers在Python中，可以使用pandas.concat()函数复制上面执行的UNIONALL集合操作。pandas.concat()方法沿选定的轴连接pandas对象（例如Dataframes、Series等）。假设您已将user_id字段存储在两个pandas数据框对象（买家和卖家）的买家和卖家数据库表中，您可以使用以下Python代码复制上面执行的UNIONALL集合操作：#Pythonusers=pd.concat([buyers,sellers])请注意，使用SQL中的UNION和ALL关键字，或Python中的pandasconcat()方法，您将合并存在于两个表中的用户（用户是买家并且是卖家）返回到重复行。但是，如果您只想返回存在于两个表中的用户的单个实例：在SQL中，从UNION集合运算符中删除ALL关键字：--SQLselectuser_idfrommodeanalytics.buyersunionselectuser_idfrommodeanalytics.sellers在Python中，.drop_duplicates()方法链接在串联的pandas对象上：#Pythonusers=pd.concat([buyers,sellers]).drop_duplicates()intersection相反，如果你想创建一个单独的用户表，既是买家又是卖家怎么办？在SQLPython中，您可以使用INTERSECT集合运算符：--SQLselectuser_idfrommodeanalytics.buyersintersectselectuser_idfrommodeanalytics.sellers在Python中，您可以对数据框使用pandas.merge()方法：Pythonbuyers_and_sellers=buyers.merge(sellers)默认情况下，pandas.merge()方法将尝试对两个数据框中的所有列进行“内部”合并。这个默认操作基本上复制了SQL集合运算符INTERSECT的步骤。区别现在，如果要返回给所有买家用户，而不是卖家用户。SQL中可以使用EXCEPT集合操作：--SQLselectuser_idfrommodeanalytics.buyersexceptselectuser_idfrommodeanalytics.sellers值得注意的是，SQLEXCEPT集合操作只能返回第一张表，不能返回第二张表。如果要返回sellers表，需要将SELECT语句的顺序倒过来：--SQLselectuser_idfrommodeanalytics.sellersexceptselectuser_idfrommodeanalytics.buyers在Python中，使用pandas布尔索引技术和pandas.isin()索引来复制SQLEXCEPTsetoperatorFunction:#Pythonbuyers_not_sellers=buyers[buyers.user_id.isin(sellers.user_id)==False]sellers_not_buyers=sellers[sellers.user_id.isin(buyers.user_id)==False]`模糊这里的界限，你已经知道如何在Python中复制许多SQL集合运算符的功能。最终，编程模型的选择取决于您，甚至可以在逐个项目的基础上进行更改。只有掌握分析语言功能的重叠，才能做出有效的决策。这就是使用多种数据分析语言的好处：您可以自定义混合方法来满足您不断变化的需求。
