顾名思义，本节重点是使用SQL将两个或多个数据库表连接到一个表中，这是数据科学家的基本技能。内部联接(inner join)，和左联接可能是两种最常见的联接。
本文内容整理自 Datacamp| Joining Data in PostgreSQL

Inner Join介绍

初始数据图(Initial data diagram)

我们可以看到id字段的匹配值用相同的颜色着色。id字段被称为键字段（key field），因为它可以用来将一个表引用到另一个表。left_table和right_table都有另一个名为val的字段。

内部连接图

内部联接只包括键在两个表中的记录。这里可以看到id字段只匹配值1和4。使用内部联接，我们在right_table中查找与left_table中键字段中的所有条目对应的匹配项。

所以这里只关注那些id字段匹配的记录, 而不属于内部连接的记录已经消失了。下面是由INNER JOIN得到的表，它给出了right_table的val字段，其中的记录只对应于id值为1或4的记录，分别被涂成了黄色和紫色。

用以实现这一过程的代码为：

SELECT left_table.id AS L_id
 		left_table.val AS L_val
 		right_table.val AS R_val
FROM left_table
INNER JOIN right_table
ON left_table.id = right_table.id

例子

这里，我们给出两个表, Prime Minister 表 和 President 表，如下：

Prime Minister

country	continent	prime_minister
Egypt	Africa	Sherif Ismail
Portugal	Europe	Antonio Costa
Vietnam	Aisa	Nguyen Xuan Phuc
Haiti	North America	Jack Guy Lafontant
India	Asia	Narendra Modi
Australia	Oceania	Malcolm Turnbull
Norway	Europe	Erna Solberg
Brunei	Asia	Hassanal Bolkiah
Oman	Asia	Qaboos bin Said al Said
Spain	Europe	Mariano Rajoy

President

country	continent	president
Egypt	Africa	Abdel Fattah el-Sisi
Portugal	Europe	Marcelo Rebelo de Sousa
Haiti	North America	Jovenel Moise
Uruguay	South America	Jose Mujica
Liberia	Africa	Ellen Johnson Sirleaf
Chile	South America	Michelle Bachelet
Vietnam	Aisa	Tran Dai Quang

用以下代码， 我们能够实现两个表依据country的inner join。

SELECT p1.country, p1.continent, prime_minister, president
FROM prime_ministers AS p1 
INNER JOIN presidents AS p2 
ON p1.country = p2.country;

请注意，首相和总统的别名分别为p1和p2，对于较长的表名，这样有助于简化代码。SELECT语句用于从两个表中选择特定字段。在这种情况下，由于country在这两个表中都存在，因此必须写入p1和.以避免SQL错误。接下来，我们在FROM之后列出内部联接左侧的表，然后在INNER JOIN之后列出右侧的表。最后，我们在两个表中指定要匹配的键。

连接两张表

在单个查询中组合多个联接的能力是SQL的一个强大功能，例如

SELECT *
FROM left_table
  INNER JOIN right_table
    ON left_table.id = right_table.id
  INNER JOIN another_table
    ON left_table.id = another_table.id;

INNER JOIN via USING

如果要联接的键字段在两个表中的名称相同，则可以使用USING子句，而不是迄今为止看到的on子句。因为id在left_table和right_table中都是相同的名称，所以我们可以在这里使用USING而不是ON。需要注意的是，关键字字段周围需要使用括号。

那么在上述president和prime_minister的例子中，代码也可写为：

SELECT p1.country, p1.continent, prime_minister, president FROM presidents AS p1
INNER JOIN prime_ministers AS p2
USING (country);

得到结果为：

country	continent	prime_minister	president
Egypt	Africa	Sherif Ismail	Abdel Fattah el-Sisi
Portugal	Europe	Antonio Costa	Marcelo Rebelo de Sousa
Vietnam	Asia	Nguyen Xuan Phuc	Tran Dai Quang
Haiti	North America	Jack Guy Lafontant	Jovenel Moise

由于inner join在两个表中都包含条目，并且两个表都包含列出的country，因此如果选择这些列，则将表放置在联接中的顺序无关紧要。但是通常我们需要明确在左边和右边分别使用哪张表，以避免混淆。

Self Join 自连接

自联接用于将字段中的值与同一表中同一字段的其他值进行比较。
我们可以再次用prime_minister表对此进行探究。一个可能的问题是：如何两两匹配属于同一大洲的国家？

SELECT p1.country AS country1, p2.country AS country2, p1.continent 
FROM prime_ministers AS p1
INNER JOIN prime_ministers AS p2
ON p1.continent = p2.continent
LIMIT 14;

country1	country2	continent
Egypt	Egypt	Africa
Portugal	Spain	Europe
Portugal	Norway	Europe
Portugal	Portugal	Europe
Vietnam	Oman	Asia
Vietnam	Brunei	Asia
Vietnam	India	Asia
Vietnam	Vietnam	Asia
Haiti	Haiti	North America
India	Oman	Asia
India	Brunei	Asia
India	India	Asia
India	Vietnam	Asia
Australia	Australia	Oceania

我们得到以上结果，它确实是每个国家与同一个大陆上其他国家的配对。但是，我们通常不想把国家和它自己列在一起。因此我们可以利用and，将代码可以调整为：

SELECT p1.country AS country1, p2.country AS country2, p1.continent 
FROM prime_ministers AS p1
INNER JOIN prime_ministers AS p2
ON p1.continent = p2.continent AND p1.country <> p2.country
LIMIT 13;

CASE WHEN, 和 THEN

CASE是一种在SQL中，以简化的方式执行多个if-then-else语句的方法。
我们引入一个新的表 states来举例， states表包含世界六大洲不同国家的numeric数据，其内容如下：

name	continent	indep_year
Australia	Oceania	1901
Brunei	Asia	1984
Chile	South America	1810
Egypt	Africa	1922
Haiti	North America	1804
India	Asia	1947
Liberia	Africa	1847
Norway	Europe	1905
Oman	Asia	1951
Portugal	Europe	1143
Spain	Europe	1492
Uruguay	South America	1828
Vietnam	Asia	1945

假设我们想把独立年分成1900年之前，1900年到1930年之间，以及1930年之后：

SELECT name, continent, indep_year,
CASE WHEN indep_year < 1900 THEN 'before 1900'
	 WHEN indep_year <= 1930 THEN 'between 1900 and 1930' 
	 ELSE 'after 1930' END
	 AS indep_year_group
FROM states
ORDER BY indep_year_group;

在第一个WHEN之后，我们要检查indep_year是否小于1900。接下来，我们希望indep_year_group 获取“between 1900 and 1930”的那些记录。最后，不符合这些条件的任何其他记录将被指定为indep_year_group的值 ’ after 1930’。得到结果如下：

name	continent	indep_year	indep_year_group
Brunei	Asia	1984	after 1930
India	Asia	1947	after 1930
Oman	Asia	1951	after 1930
Vietnam	Asia	1945	after 1930
Liberia	Africa	1847	before 1900
Chile	South America	1810	before 1900
Haiti	North America	1804	before 1900
Portugal	Europe	1143	before 1900
Spain	Europe	1492	before 1900
Uruguay	South America	1828	before 1900
Norway	Europe	1905	between 1900 and 1930
Australia	Oceania	1901	between 1900 and 1930
Egypt	Africa	1922	between 1900 and 1930

此外， 我们还可以使用INTO 保存上一个查询的结果到一张新的表。
例如，有表populations, 前6行如下：

pop_id	country_code	year	fertility_rate	life_expectancy	size
20	ABW	2010	1.704	74.9535	101597
19	ABW	2015	1.647	75.5736	103889
2	AFG	2010	5.746	58.9708	27962200
1	AFG	2015	4.653	60.7172	32526600
12	AGO	2010	6.416	50.6542	21220000
11	AGO	2015	5.996	52.6661	25022000

根据他们的人口2015年的size， 我们将其分为‘large’，‘small’， ‘medium’三个组，

SELECT country_code, size,
    CASE WHEN size > 50000000 THEN 'large'
        WHEN size > 1000000 THEN 'medium'
        ELSE 'small' END
        AS popsize_group
-- 1. Into table
into pop_plus
FROM populations
WHERE year = 2015;

-- 2. Select all columns of pop_plus
Select *
from pop_plus

结果如下：

country_code	size	popsize_group
ABW	103889	small
AFG	32526600	medium
AGO	25022000	medium
ALB	2889170	medium
AND	70473	small