Partie 3 · Jointures

Joindre des tables : merge

Les données sont rarement dans une seule table. Une jointure aligne les lignes de deux tables grâce à une clé de jointure : des colonnes partagées, comme une clé primaire / clé étrangère en SQL. En pandas : pd.merge(gauche, droite, on='client_id', how='inner').

`how`	Lignes conservées	Sur l'exemple
`inner`	clés présentes des deux côtés	clés 1 et 2 (Alice, Bob avec leurs commandes)
`left`	toutes celles de gauche ; NaN si pas de correspondance	1, 2, 3 (Charlie sans commande)
`right`	toutes celles de droite	1, 2, 4 (commande du client 4 sans nom)
`outer`	toutes les lignes des deux tables	1, 2, 3, 4

Une clé qui apparaît plusieurs fois à droite (client 2) donne plusieurs lignes dans le résultat. Paramètres : on (même nom des deux côtés), left_on / right_on (noms différents), suffixes (pour distinguer les colonnes homonymes non clés ; par défaut _x et _y).

Vérifie que tu as compris

Quelle jointure garde toutes les lignes de la table de gauche, avec des manquants si pas de correspondance ?

Vérifie que tu as compris

Les clés ont des noms différents dans les deux tables (client_id / id_client). Comment faire ?

Une jointure en Python pur

On indexe la table de droite par la clé (dictionnaire de listes), puis on parcourt la gauche :

from collections import defaultdict
par_client = defaultdict(list)
for c in commandes: par_client[c["client_id"]].append(c)

inner = []
for cl in clients:
    for cmd in par_client.get(cl["client_id"], []):
        inner.append({**cl, **cmd})        # fusion des deux dicts

Pour un left, on ajoute la ligne gauche seule (les champs de droite à None) quand la liste est vide.

À toi de coder

inner et left join à la main

Implémente deux jointures sur client_id : inner (uniquement les clients ayant des commandes) et gauche (tous les clients, produit et montant à None pour ceux sans commande). Le client 2 a deux commandes : il doit apparaître deux fois.

clients = [
    {"client_id": 1, "nom": "Alice"},
    {"client_id": 2, "nom": "Bob"},
    {"client_id": 3, "nom": "Charlie"},
]
commandes = [
    {"client_id": 1, "produit": "A", "montant": 120},
    {"client_id": 2, "produit": "B", "montant": 80},
    {"client_id": 2, "produit": "A", "montant": 200},
    {"client_id": 4, "produit": "C", "montant": 150},
]
from collections import defaultdict
par_client = defaultdict(list)
for c in commandes:
    par_client[c["client_id"]].append(c)

inner, gauche = [], []
for cl in clients:
    cmds = par_client.get(cl["client_id"], [])
    for cmd in cmds:
        inner.append({**cl, **cmd})
    if cmds:
        gauche.extend({**cl, **cmd} for cmd in cmds)
    else:
        gauche.append({**cl, "produit": ___, "montant": ___})

Ctrl/⌘+Entrée

Les suffixes

Quand les deux tables ont une colonne de même nom (hors clé), pandas ajoute _x (gauche) et _y (droite), personnalisables avec suffixes=('_client', '_details'). En Python pur, {**gauche, **droite} écrase silencieusement la colonne de gauche : il faut renommer soi-même.

Vérifie que tu as compris

Que se passe-t-il avec {**a, **b} si a et b ont tous deux une clé « ville » ?