SQL左外连接转Python Pandas代码正确性咨询

先明确原SQL的核心逻辑：

将fruits表中，未在tropical_fruits表中出现过（基于fruit1和fruit2联合匹配）的不重复记录，插入到tropical_fruits表中。具体来说，左连接后B表字段为NULL的行，就是fruits里独有的记录，再通过DISTINCT A.*去重后插入。

你的Python代码存在两个关键问题：

• 没有筛选出tropical_fruits中无匹配的行：pd.merge(how='left')会保留fruits的所有行，包括那些已经在tropical_fruits中存在的记录，和原SQL只插入新记录的逻辑不符。
• 没有保留原fruits字段并去重：merge后的结果包含两张表的字段，也没有做去重处理，完全没对应原SQLSELECT DISTINCT A.*的逻辑。

正确的Python实现 #

写法一（更高效的键匹配方式）

# 1. 提取tropical_fruits中已有的唯一联合键
existing_keys = tropical_fruits[['fruit1', 'fruit2']].drop_duplicates()
# 筛选fruits中不在已有键里的记录，同时去重
new_records = fruits.drop_duplicates(subset=['fruit1', 'fruit2']).merge(
    existing_keys,
    on=['fruit1', 'fruit2'],
    how='left',
    indicator=True
).query('_merge == "left_only"').drop(columns='_merge')

# 2. 将新记录追加到tropical_fruits
tropical_fruits = pd.concat([tropical_fruits, new_records], ignore_index=True)

写法二（贴近SQL左连接逻辑）

# 左连接后筛选无匹配的行，保留原fruits字段并去重
merged = pd.merge(
    fruits.drop_duplicates(subset=['fruit1', 'fruit2']),
    tropical_fruits,
    left_on=['fruit1', 'fruit2'],
    right_on=['fruit1', 'fruit2'],
    how='left',
    suffixes=('', '_b')  # 给右表字段加后缀区分
)
# 筛选右表字段为空的行（无匹配），只保留原fruits的列
new_records = merged[merged['fruit1_b'].isna()][fruits.columns]

# 追加到tropical_fruits
tropical_fruits = pd.concat([tropical_fruits, new_records], ignore_index=True)

内容的提问来源于stack exchange，提问作者Angel