如何在 SQL 中使用第三表关联两个表并按组进行分组？

2024-03-11 11:35:14

使用第三表关联两个表并按组进行分组

当我们在处理数据时，经常需要将来自不同表的相关数据关联起来，并根据特定标准进行分组。这可以通过使用 SQL 中的 JOIN 和 GROUP BY 语句来实现。本文将引导你逐步掌握使用第三个表关联两个表并按组进行分组的方法。

需求解析

假设我们有三个表：表 A、表 B 和表 C。表 A 中包含列 a.user，表 B 中包含列 b.group，表 C 中包含列 userId 和 groupId。我们的目标是根据表 C 中的信息，关联表 A 和表 B 中的数据，并根据 a.user 和 b.group 分组显示结果。

解决方案

1. 使用 JOIN 语句关联表

第一步是使用 JOIN 语句关联三个表。由于我们希望只显示同时出现在所有三个表中的数据，因此可以使用 INNER JOIN。

SELECT a.user, b.group
FROM A
INNER JOIN C ON a.userId = C.userId
INNER JOIN B ON C.groupId = b.groupId;

2. 使用 GROUP BY 语句分组结果

接下来，使用 GROUP BY 语句根据 a.user 和 b.group 对关联结果进行分组。这将返回每个唯一用户和组的组合。

SELECT a.user, b.group
FROM A
INNER JOIN C ON a.userId = C.userId
INNER JOIN B ON C.groupId = b.groupId
GROUP BY a.user, b.group;

示例代码

为了进一步说明，我们提供以下 Python 代码示例：

import pandas as pd

# 创建数据框
df_a = pd.DataFrame({'user': ['user1', 'user2', 'user3']})
df_b = pd.DataFrame({'group': ['group1', 'group2']})
df_c = pd.DataFrame({'userId': [1, 1, 2, 3], 'groupId': [1, 2, 1, 2]})

# 关联表
df_result = df_a.merge(df_c, on='userId').merge(df_b, on='groupId')

# 分组结果
df_result = df_result.groupby(['user', 'group']).size().reset_index(name='count')

# 打印结果
print(df_result)