แพนด้าเชื่อมต่อเฟรมข้อมูล [2022]

ลองนึกภาพว่าคุณมีข้อมูลสองชุดที่คุณต้องรวมกันเพื่อทำการวิเคราะห์ ขณะใช้ SQL ระเบียนจากตารางตั้งแต่สองตารางขึ้นไปในฐานข้อมูลสามารถรวมเข้าด้วยกันโดยใช้การรวม SQL ในทำนองเดียวกัน มีตัวเลือกใน Python เช่นกันในการเชื่อมโยงเฟรมข้อมูล แล้ว data frame คืออะไร? data frame ใน Python มีหลายแถวและหลายคอลัมน์ คล้ายกับตารางใน SQL คุณมีไลบรารีซอฟต์แวร์ pandas สำหรับการวิเคราะห์ข้อมูลใน Python กรอบข้อมูลของ Pandas เชื่อมต่อกันช่วยให้เรารวมกรอบข้อมูลตามตรรกะบางอย่าง

วิธีต่างๆ ในการรวมเฟรมข้อมูล:

• การ เข้าร่วมภายใน: การเข้าร่วมภายในค่อนข้างคล้ายกับจุดตัดของสองชุด ในกรณีที่มีการรวมภายใน กรอบข้อมูลจะถูกส่งกลับโดยมีเพียงแถวที่มีคุณสมบัติร่วมกันเท่านั้น ดังนั้นแต่ละแถวในกรอบข้อมูลสองเฟรมที่รวมกันควรมีค่าคอลัมน์ที่ตรงกัน

• การ รวมด้านซ้าย: การรวมด้านซ้ายจะส่งคืนแถวทั้งหมดจาก data frame ด้านซ้ายและเฉพาะแถวที่ตรงกันจาก data frame ด้านขวา

• เข้าร่วมทางขวา: การรวมทางขวาจะส่งคืนแถวทั้งหมดจาก data frame ด้านขวาและเฉพาะแถวที่ตรงกันจาก data frame ด้านซ้าย

• การ รวมแบบเต็มหรือภายนอก: การเข้าร่วมแบบเต็มจะเก็บแถวทั้งหมดจากกรอบข้อมูลด้านซ้ายและกรอบข้อมูลด้านขวา

แหล่งที่มา

ให้เราดูที่ฟังก์ชันที่มีอยู่ใน Pandas เพื่อรวม data frames หรือ series

ฟังก์ชั่นใน Pandas

1. เข้าร่วมฟังก์ชั่น

ตามที่เราได้อ่านมา Python มีคุณสมบัติเหมือน SQL มากมายสำหรับการรวมข้อมูล กรอบข้อมูลมีดัชนีที่ทำหน้าที่เป็นที่อยู่ โดยปกติ ดัชนีแถวจะเรียกว่าดัชนีในขณะที่คอลัมน์ระบุด้วยชื่อคอลัมน์ การดำเนินการเข้าร่วมช่วยให้คุณสามารถรวมคอลัมน์ทั้งหมดจากสองเฟรมข้อมูล คุณสามารถเปลี่ยนชื่อคอลัมน์ซ้ายและขวาได้โดยอัปเดตพารามิเตอร์ "lsuffix" และ "rsuffix" คุณจะได้รับตัวเลือกให้เลือกวิธีการรวมโดยอัปเดตพารามิเตอร์ "วิธี"

2. ผสานฟังก์ชัน

ฟังก์ชันผสานค่อนข้างคล้ายกับการดำเนินการเข้าร่วม อย่างไรก็ตาม คุณสามารถควบคุมได้อย่างยืดหยุ่นในขณะที่รวมคอลัมน์ทั้งหมดจากเฟรมข้อมูลสองเฟรม คุณสามารถใช้ on = ชื่อคอลัมน์ เพื่อรวมกรอบข้อมูลในคอลัมน์ทั่วไป คุณสามารถอัปเดต left_on = ชื่อคอลัมน์ หรือ right_on = ชื่อคอลัมน์ เพื่อจัดแนวตารางโดยใช้คอลัมน์จากกรอบข้อมูลด้านซ้ายหรือด้านขวาเป็นคีย์ การเลือก left_index = True หรือ right_index = True อนุญาตให้คุณใช้ป้ายกำกับแถวจากกรอบข้อมูลด้านซ้ายหรือกรอบข้อมูลด้านขวาเป็นคีย์การรวม

ไวยากรณ์:

DataFrame.merge( ตัวเอง , ขวา , วิธี='ซ้าย' , บน=ไม่มี , left_on=ไม่มี ,

right_on=None , left_index=False , right_index=False , sort=False , suffixes=('_x' , '_y') , copy=True , indicator=False , validate=None )

อ่าน: คำถามสัมภาษณ์แพนด้า

3. ฟังก์ชั่น Concat

เมื่อใช้ฟังก์ชัน Concat คุณสามารถรวมข้อมูลในคอลัมน์หรือแถวตามที่คุณเลือก คุณสามารถตั้งค่าตรรกะของการเข้าร่วม (ซ้าย/ขวา/ภายใน/เข้าร่วมแบบเต็ม) บนแกนใดแกนหนึ่งจากสองแกน คุณยังได้รับตัวเลือกให้ตรวจสอบว่าแกนที่ต่อกันใหม่มีค่าที่ซ้ำกันโดยใช้ Verify_integrity หรือไม่ หากไม่มีการระบุค่าดัชนีบนแกนต่อ แกนผลลัพธ์จะถูกระบุเป็น 0,1,… n-1 พารามิเตอร์คีย์ช่วยให้คุณสร้างดัชนีตามลำดับชั้นโดยใช้คีย์ที่ส่งผ่าน

ไวยากรณ์

pandas.concat( objs , axis=0 , join='left' , join_axes=None ,

ละเว้น_ดัชนี=เท็จ , คีย์=ไม่มี , ระดับ=ไม่มี , ชื่อ=ไม่มี ,

Verify_integrity=False , sort=None , copy=True )

อ่าน: อัลกอริธึมโครงสร้างข้อมูลใน Python

ห่อ

ดังที่เราได้เห็นในแพนด้าแล้ว DataFrame ฟังก์ชัน merge และ join ใช้เพื่อรวม data frames ที่ทำงานบนคอลัมน์ นอกจากนี้ยังมีตัวเลือกในการเปลี่ยนชื่อคอลัมน์ตามคำต่อท้ายที่ให้ไว้ ฟังก์ชันผสานมีความยืดหยุ่นมากขึ้นในกรณีของการจัดตำแหน่งตามแถว ในทางตรงกันข้าม ฟังก์ชัน Concat ของแพนด้าสามารถทำงานได้ทั้งในแถวหรือคอลัมน์

ไม่มีการเปลี่ยนชื่อคอลัมน์ในขณะที่ใช้ฟังก์ชัน Concat เฟรมข้อมูลของ Pandas ต่อกันเป็นคุณสมบัติที่สำคัญเมื่อเราต้องรวมเฟรมข้อมูลสองเฟรม การรวมเฟรมข้อมูลสองเฟรมโดยใช้เงื่อนไขบางอย่างช่วยให้คุณเตรียมข้อมูลที่จำเป็นสำหรับการวิเคราะห์และงานอื่นๆ ดังนั้นสำหรับซอฟต์แวร์ไลบรารีแพนด้าที่เชื่อมเฟรมข้อมูลเข้าด้วยกันจึงเป็นฟังก์ชันที่สำคัญ

คุณสนใจที่จะเรียนรู้เพิ่มเติมเกี่ยวกับฟังก์ชันต่างๆ ที่มีอยู่ในแพนด้าและเจาะลึก Data Analytics หรือไม่? คุณสามารถตรวจสอบ PG Diploma in Data Science ที่นำเสนอโดย upGrad หลักสูตรนี้จัดทำโดยผู้เชี่ยวชาญในอุตสาหกรรม และจะช่วยให้คุณเรียนรู้เพิ่มเติมเกี่ยวกับการวิเคราะห์ข้อมูลเชิงสำรวจ เทคนิคการสร้างภาพข้อมูลต่างๆ และอัลกอริทึมในการเรียนรู้ของเครื่อง เริ่มต้นอาชีพของคุณในด้าน Data Analytics และ Machine Learning ด้วย upGrad