关于#python#的问题：数据结构算法

Question

order和product是都有重复的大型表格，互相是多对多的关系即订单一可以包含多个产品，一个产品可以被多个订单包含，现在想用一个类似矩阵的形式储存这两个列表间的关系以便于查询
应该用什么数据结构算法更快
如果有细说思路，代码更好了

Answer 1

可以用python的pandas的dataframe结构去处理，不管你的数据是在sql中，还是在excel，json，csv，tsv等等不同的地方，或者说实在程序运行过程中产生的，没有额外存储的别的地方。pandas这个库都能把你的数据变成一个二维的类似表的结构（dataframe），有行索引和列索引，类似这样：

那么按照你说的有两个大型表格，那就放到两个dataframe里面就好了，然后通过dataframe提供的各种方法，例如groupby分组，merger关联(可以左关联，右关联那等等)，concat合并进行数据的操作，可以达到在程序中就和操作sql一样。非常方便

简单代码示例：

    import pandas as pd
    # 初始化dataframe赋值
    df_a = pd.DataFrame([{'a_id': '1', 'a_name': '苹果'},
                         {'a_id': '2', 'a_name': '西瓜'}]
                    )
    df_b = pd.DataFrame([{'b_id': '1', 'a_value': 15, 'a_id': '1'},
                         {'b_id': '2', 'a_value': 20, 'a_id': '2'},
                         {'b_id': '3', 'a_value': 8, 'a_id': '3'}]
                    )
    df_c = pd.DataFrame([{'a_id': '3', 'a_name': '香蕉'},
                         {'a_id': '4', 'a_name': '雪梨'}]
                    )
    # 进行合并(类似sql的union，表头一样的，上下合并成一张表)
    df_a_c = pd.concat([df_a, df_c])
    # 进行关联，类似sql的left join,right join,inner join
    df_left_join = pd.merge(df_a_c, df_b, left_on='a_id', right_on='a_id', how='left')

运行结果：

Answer 2

用SQL建立三个表：order, product, order_product，其中order表主键是order_number，product表主键是product_id，order_product表则是order和product多对多的关系表，以order_number和product_id作为外键。查询时可以把三张表连接起来查。