Beispiele für die Verwendung von Merge in Pandas zum Zusammenführen von Daten

Merge ist eine der mächtigsten und am häufigsten verwendeten Methoden der Bibliothek pandas. Mit dieser Methode können Sie Daten aus mehreren Quellen in einem zusammengeführten Dataset zusammenführen. Merge bietet eine flexible und bequeme Möglichkeit, Daten über eine oder mehrere Spalten zu verbinden, sodass Sie die Daten auf einer höheren Ebene verarbeiten und analysieren können.

Mit der Merge-Methode können Sie verschiedene Arten von Datenföderationen ausführen, darunter das Zusammenführen nach Spalten mit gemeinsamen Werten, das Zusammenführen nach Spalten mit unterschiedlichen Werten, das Zusammenführen nach Indizes und vieles mehr. Sie können auch einen Join-Typ auswählen, z. B. einen inneren, äußeren, linken oder rechten Join, abhängig von den gewünschten Ergebnissen.

Wenn Sie die Merge-Methode in Pandas verwenden, sind verschiedene Kombinationen von Dataframes möglich, darunter das Zusammenführen von zwei DataFrames in einer Spalte, das Zusammenführen mehrerer DataFrames in mehreren Spalten, das Zusammenführen eines DataFrames nach Index und vieles mehr. Dies macht die Merge-Methode zu einem unverzichtbaren Werkzeug für die Analyse, Verarbeitung und Vorbereitung von Daten in Pandas.

Kombinieren von Daten in einer Spalte mit gemeinsamen Werten

Die Pandas-Bibliothek verfügt über eine praktische Merge-Methode, mit der Sie zwei DataFrames über eine bestimmte Spalte mit gemeinsamen Werten zusammenführen können. Dies kann nützlich sein, wenn Sie Daten aus verschiedenen Quellen basierend auf gemeinsamen Schlüsseln zusammenführen möchten.

Zuerst müssen Sie die Pandas-Bibliothek importieren:

import pandas as pd

Angenommen, wir haben zwei DataFrame - df1 und df2:

df1 = pd.DataFrame()df2 = pd.DataFrame()

Wir möchten die Daten nach der Spalte 'key' zusammenführen. Verwenden Sie dazu die Merge-Methode:

merged_df = pd.merge(df1, df2, on='key')

Das Ergebnis ist ein neuer DataFrame - merged_df, der nur Zeilen enthält, in denen die Werte der 'key'-Spalte in beiden ursprünglichen DataFrames übereinstimmen:

 key value1 value20 B 2 51 D 4 6

Standardmäßig führt merge eine interne Datenföderation durch, d. H. Es bleiben nur Zeilen im neuen DataFrame, in denen die Werte der 'key'-Spalte übereinstimmen. Wenn Sie alle Zeilen aus beiden DataFrames speichern möchten, verwenden Sie den Parameter how='outer':

merged_df = pd.merge(df1, df2, on='key', how='outer')

Sie können die Daten auch nach links oder rechts kombinieren, indem Sie die Parameter how='left' bzw. how='right' verwenden.

Die Merge-Methode in Pandas bietet ein leistungsfähiges Werkzeug zum Zusammenführen von Daten über gemeinsame Spaltenwerte. Es ermöglicht Ihnen, Join-Bedingungen flexibel festzulegen und verschiedene Join-Typen auszuführen.

Zusammenführen von Daten über mehrere Spalten mit gemeinsamen Werten

Manchmal enthalten die Daten, die wir zusammenführen möchten, mehrere Spalten, die als gemeinsame Werte für die Zusammenführung dienen können. Beispielsweise können wir zwei Sätze von Verkaufsdaten haben, in denen die Spalten "Datum" und "Produkt" als gemeinsame Werte dienen können. In diesem Fall können wir die Merge-Funktion in Pandas verwenden, um die Daten in diesen Spalten zusammenzuführen.

Um Daten über mehrere Spalten mit gemeinsamen Werten zu kombinieren, können wir eine Liste dieser Spalten im Parameter "on" an die Merge-Funktion übergeben. Zum Beispiel:

merged_data = pd.merge(data1, data2, on=['Дата', 'Продукт'])

Durch diesen Vorgang werden die Daten aus den beiden Datasets data1 und data2 anhand der Spaltenwerte "Datum" und "Produkt" zusammengeführt. Das Ergebnis ist ein neues merged_data-Dataset, das die gemeinsamen Werte für diese Spalten enthält. Wenn die Spalten in verschiedenen Datensätzen unterschiedliche Namen haben, können wir die Parameter "left_on" und "right_on" verwenden, um die entsprechenden Spaltennamen anzugeben.

Wenn Sie Daten über mehrere Spalten mit gemeinsamen Werten kombinieren, ist es wichtig zu berücksichtigen, dass die Werte in diesen Spalten genau übereinstimmen müssen. Wenn die Werte nicht genau übereinstimmen, werden die Zeilen nicht zusammengeführt.

Daher ist das Zusammenführen von Daten über mehrere Spalten mit gemeinsamen Werten ein leistungsfähiges Werkzeug für die Analyse und Verarbeitung von Daten, mit dem Sie Daten aus verschiedenen Quellen basierend auf mehreren gemeinsamen Werten verbinden können.

Zusammenführen von Daten mithilfe eines externen Joins

Verwenden Sie die Methode, um einen externen Join in Pandas durchzuführen merge(). Wenn Sie diese Methode verwenden, müssen Sie zwei DataFrame-Objekte angeben, die zusammengeführt werden sollen, sowie die Parameter on und how.

Parameter on gibt die Spalte oder Spalten an, für die die Daten zusammengeführt werden sollen. Wenn Sie mehrere Spalten kombinieren möchten, werden sie als Liste angezeigt.

Parameter how gibt den Datenföderationstyp an. Bei einem Outer Merge werden alle Zeilen aus beiden Tabellen beibehalten, und die fehlenden Werte werden mit dem NaN-Wert aufgefüllt.

Hier ist ein Beispiel für die Verwendung eines externen Joins:

df1 = pd.DataFrame()df2 = pd.DataFrame()merged_df = pd.merge(df1, df2, on='id', how='outer')print(merged_df)

Das Ergebnis der Codeausführung lautet wie folgt:

id name age0 1 John NaN1 2 Anna 252 3 Peter 303 4 NaN 35

Daher erhalten wir als Ergebnis eines äußeren Joins eine Tabelle, in der alle Zeilen aus beiden Quelltabellen gespeichert werden und fehlende Werte mit dem NaN-Wert aufgefüllt werden.

Ein externer Join ist ein nützliches Werkzeug, um Daten aus mehreren Quellen zusammenzuführen, wenn alle verfügbaren Daten gespeichert werden müssen. Mit dieser Methode können Sie Tabellen mit unterschiedlichen Größen und Datenstrukturen problemlos kombinieren.

Zusammenführen von Daten mithilfe eines internen Joins

Verwenden Sie die merge() -Methode, um einen internen Join in Pandas durchzuführen. Es akzeptiert zwei DataFrames als Argumente und kombiniert sie über bestimmte Spalten oder Indizes hinweg.

Der Prozess zum Zusammenführen von Daten mithilfe eines internen Joins kann durch die folgenden Schritte dargestellt werden:

1. Laden Sie die Daten in zwei separate DataFrames.
2. Geben Sie die Spalten oder Indizes an, mit denen die Daten zusammengeführt werden sollen.
3. Rufen Sie die merge() -Methode auf und übergeben Sie zwei DataFrame als Argumente.
4. Geben Sie den Join-Typ (in diesem Fall den inneren Join) mit dem Parameter how='inner' an.

Zum Beispiel haben wir zwei Tabellen - orders und customers:

import pandas as pdorders = pd.DataFrame()customers = pd.DataFrame()

Sie können den folgenden Code verwenden, um eine interne Verknüpfung mit der Spalte 'customer_id' durchzuführen:

merged_data = pd.merge(orders, customers, on='customer_id', how='inner')

Das Ergebnis ist eine neue merged_data-Tabelle, die nur Zeilen mit gemeinsamen Werten in der Spalte 'customer_id' aus den Tabellen orders und customers enthält.

Der interne Join ermöglicht es Ihnen, Daten nur für Zeilen mit gemeinsamen Werten zusammenzuführen, und schließt alle anderen Zeilen aus. Dies ist sehr nützlich, wenn Sie nur Daten abrufen müssen, die bestimmte Kriterien oder Bedingungen erfüllen.