请求将含WHERE子句CASE WHEN条件的SQL转换为Python代码

下面用Pandas实现你提供的SQL逻辑，完全匹配原SQL的查询规则：

步骤1：构造输入数据表 #

先把SQL中的tab1和tab2转换成Pandas DataFrame：

import pandas as pd

# 构造tab1数据（对应SQL中的tab1表）
tab1 = pd.DataFrame({
    'id': [1, 2, 3, 4],
    'country': ['USA', 'Denmark', 'Russia', 'China'],
    'num': [100, 200, 300, 400]
})

# 构造tab2数据（对应SQL中的tab2表）
tab2 = pd.DataFrame({
    'id': [1, 2, 3, 5],
    'person': ['Alice', 'Bob', 'Charlie', 'David']
})

步骤2：执行左连接 #

对应SQL中的LEFT JOIN tab1 b ON a.id=b.id：

# 左连接，关联字段为id
merged_df = pd.merge(tab2, tab1, on='id', how='left')

步骤3：实现WHERE条件过滤 #

对应SQL中的CASE WHEN逻辑和<> 'Russia'过滤规则：

# 处理CASE WHEN：将Denmark替换为Swiz，其余保持原country值
processed_country = merged_df['country'].apply(lambda x: 'Swiz' if x == 'Denmark' else x)
# 过滤掉处理后等于Russia的行
filtered_df = merged_df[processed_country != 'Russia']

步骤4：选择目标列 #

对应SQL中的SELECT a.id, b.country, a.person, b.num：

result_df = filtered_df[['id', 'country', 'person', 'num']]
# 输出结果
print(result_df)

完整整合代码 #

import pandas as pd

# 构造输入表
tab1 = pd.DataFrame({
    'id': [1, 2, 3, 4],
    'country': ['USA', 'Denmark', 'Russia', 'China'],
    'num': [100, 200, 300, 400]
})

tab2 = pd.DataFrame({
    'id': [1, 2, 3, 5],
    'person': ['Alice', 'Bob', 'Charlie', 'David']
})

# 左连接
merged_df = pd.merge(tab2, tab1, on='id', how='left')

# 条件过滤
processed_country = merged_df['country'].apply(lambda x: 'Swiz' if x == 'Denmark' else x)
filtered_df = merged_df[processed_country != 'Russia']

# 选择列并输出
result_df = filtered_df[['id', 'country', 'person', 'num']]
print(result_df)

执行后会得到和原SQL一致的输出：左连接保留tab2所有行，原country为Denmark的行经逻辑替换后不会被过滤，country为Russia的行被排除。

内容的提问来源于stack exchange，提问作者pc_pyr