python - 我对 wrds 数据库的内部连接含义有什么误解？

Question

我在sql中学习了join方法，我知道inner join意味着只返回我们想要设置的两个不同表的交集。

我认为对于 python，这个概念是一样的。但是我在理解某些代码时遇到了问题。

crsp1=pd.merge(crsp, crsp_maxme, how='inner', on=['jdate','permco','me'])

crsp1=crsp1.drop(['me'], axis=1)

crsp2=pd.merge(crsp1, crsp_summe, how='inner', on=['jdate','permco'])

如果我理解正确，第一行将表 crsp 和 crsp_maxme 与列 'jdate'、'permco'、'me' 上的交集合并。所以表 crsp1 将有 3 列。第二行删除表 crsp1 的“me”列。最后一个留置权会将新调整的表 crsp1 和 crsp_summe 与内部连接合并，在“jdate”和“permco”上具有交集。这使得新合并的表 crsp2 只有 2 列。

但是，第 2 行的代码解释说，第二行和第三行从 crsp1 中删除了“me”列，然后将其替换为 crsp_summe 表中的“me”，我对此理解有问题。

任何人都可以为我澄清这些行吗？

PS：crsp、crsp_summe、crsp_maxme表我觉得不用解释是什么，因为它们都是由inner join函数框定的。所以请原谅缺乏背景信息。

Answer 1

merge()functions参数指定要在on哪些列上进行连接。how指定要应用的联接类型（类似于外部、内部、左侧、右侧等的 sql 联接）。

例如：假设有两个表 A 和 B 包含列A['x1','x2','x3']，B['x2','y1']因此基于'x1'（因为它是两个表中的公共列）将它们连接起来A_join_B_on_x1['A_B_x1','A_x2','A_x3','B_y1']，并且连接将基于您想要连接的方式。

在您当前的代码中考虑，

A = crsp1
B = crsp_maxme
C = crsp_summe

现在在您的程序中，您的第一行合并您A,B的['jdate','permco','me']列并创建一个A_B包含['jdate','permco','me',...'+columns_from_both_tables(A)(B)']内部连接的新数据框（即基于['jdate','permco','me']列的 A、B 中常见的行）

第二行从数据框中删除'me'列A_B。所以它会像 ['jdate','permco',...'+columns_from_both_tables(A)(B)']

第三行合并您的A_B,Con['jdate','permco']并创建['jdate','permco',...'+columns_from_both_tables(A_B)(C)']为内部连接（即基于列在 A_B、C 中通用的行['jdate','permco','me']）