Hihi，打給厚！

繼昨天認識、練習了CTE 後，還是沒用此解出情境4，也許是因為沒把CTE JOIN 到正確的query 上，囧

在想自己得乖乖正視心魔，重新認識JOIN 的概念再回頭嘗試，那讓我們開始吧！

首先，先讓我們看看PostgreSQL documentation對JOIN 的解釋：

Queries that access multiple tables (or multiple instances of the same table) at one time are called join queries. They combine rows from one table with rows from a second table, with an expression specifying which rows are to be paired.

翻譯蒟蒻：JOIN queirs意指對數個資料表query 或一次性對同個資料表的數個實體query，其是透過指定兩資料表要配對的欄位，進而將兩個資料表的列組合在一起

有點拗口，且不知道為什麼是指定row 而不是column -_-

只好先跟著PostgreSQL Tutorials: Joins 來理解：

首先先跟著建立兩個資料表：

CREATE TABLE basket_a (
    id INT PRIMARY KEY,
    fruit_a VARCHAR (100) NOT NULL
);

CREATE TABLE basket_b (
    id INT PRIMARY KEY,
    fruit_b VARCHAR (100) NOT NULL
);

INSERT INTO basket_a (id_a, fruit_a)
VALUES
    (1, 'Apple'),
    (2, 'Orange'),
    (3, 'Banana'),
    (4, 'Cucumber');

INSERT INTO basket_b (id_b, fruit_b)
VALUES
    (1, 'Orange'),
    (2, 'Apple'),
    (3, 'Watermelon'),
    (4, 'Pear');

此時會建立兩個資料表：

當我們將兩個資料表JOIN 起來，並指定fruit_a = fruit_b為配對欄位

SELECT
	id_a,
	fruit_a,
	id_b,
	fruit_b
FROM
	basket_a
	JOIN basket_b ON fruit_a = fruit_b;

會得到這結果：

這邊的JOIN 即INNER JOIN，會用第一個資料表（basket_a）的fruit_a 欄位與第二個資料表（basket_b）的fruit_b 欄位配對，若是兩者都有的值/紀錄，則會將共有的rows 之資料INNER JOIN 起來，並回傳JOIN 後的新結果集

目前看起來都還能理解，但總共有幾種JOIN 方式呢？
PostgreSQL Tutorial提到有：inner join, left join, right join, full outer join, cross join, natural join, and a special kind of join called self-join.

但被翻爛的書頭腦快爆了，所以先來看看圖解想像吧 XD

上述的JOIN 方式以類別來分：

1. INNER JOIN: inner join, natural join（先列，但還看不懂）
2. OUTER JOIN: left join, right join, full outer join 等
3. CROSS JOIN: 又稱為迪笛卡兒積 (Cartesian product)，可想成是JOIN 時將其排列組合都列出來，很像以前學過的矩陣？
4. SELF JOIN: 不懂, too

[圖1]搭配JOIN query & paired keys 的圖解：

[圖2]搭配JOIN types 和其稱呼：

註：以上兩圖都有兩個LEFT OUTER JOIN、RIGHT OUTER JOIN，看起來沒有固定的稱呼；以LEFT OUTER JOIN 為例，圖2 是用LEFT Minus JOIN 稱呼，有些是用LEFT JOIN WITH NULL Values 來稱呼的樣子

[圖3]資料表列的圖解-ver1：

[圖4]資料表列的圖解-ver2：

參考資料：

1. PostgreSQL Documentation - Join
2. PostgreSQL Tutorials - Joins
3. WikiBooks - The different types of SQL join and their outputs as determined by sets
4. Google Cloud - BigQuery explained: Working with joins, nested & repeated data
5. Data School - SQL Join Types Explained Visually
6. Joins with Pandas – Data Science Examples