Kaip sujungti Panda duomenų rėmelius?
Kaip sujungti Panda duomenų rėmelius?

Video: Kaip sujungti Panda duomenų rėmelius?

Video: Kaip sujungti Panda duomenų rėmelius?
Video: Merging DataFrames in Pandas | Python Pandas Tutorials 2024, Lapkritis
Anonim

Norėdami prisijungti prie šių DataFrames , pandos suteikia keletą funkcijų, tokių kaip concat(), sujungti (), join() ir tt Šiame skyriuje praktikuosite naudojimą sujungti () funkcija pandos . Galite pastebėti, kad DataFrames yra dabar susiliejo į singlą DataFrame remiantis bendromis reikšmėmis, esančiomis abiejų ID stulpelyje DataFrames.

Turint tai omenyje, kaip derinti duomenų rėmelius?

Nurodykite prisijungti įveskite komandą „kaip“. A kairėje prisijungti , arba paliko sujungti , kiekvieną eilutę išlaiko iš kairės duomenų rėmelis . Rezultatas iš kairės - prisijungti arba kairėje- sujungti iš dviejų duomenų rėmeliai Pandose. Eilutės kairėje duomenų rėmelis kurie neturi atitikmenų prisijungti vertė dešinėje duomenų rėmelis paliekamos NaN reikšmės.

Be to, kaip pridėti duomenų rėmelį prie kito duomenų rėmelio Python? Pandos duomenų rėmelis . pridėti () funkcija naudojama pridėti eilės kitų duomenų rėmelis iki duotosios pabaigos duomenų rėmelis , grąžinant naują duomenų rėmelis objektas. Stulpelių nėra originale duomenų rėmeliai pridedami kaip nauji stulpeliai, o nauji langeliai užpildomi NaN reikšme. ignore_index: jei tiesa, nenaudokite indekso etikečių.

Atsižvelgiant į tai, kuo skiriasi pandų sujungimas ir prisijungimas?

DataFrame. prisijungti () metodai kaip patogus būdas pasiekti galimybes pandos . prisijungti (df2) visada prisijungia per indeksą df2, bet df1. sujungti (df2) gali prisijungti į vieną ar daugiau df2 stulpelių (numatytasis) arba į df2 indeksą (su right_index=True).

Ar NaN yra panda?

Aptikti NaN vertybes pandos naudoja arba. isna() arba. isnull(). The NaN vertybės yra paveldimos iš to, kad pandos yra pastatytas ant numpy, o dviejų funkcijų pavadinimai kilę iš R's DataFrames, kurių struktūra ir funkcionalumas pandos bandė pamėgdžioti.

Rekomenduojamas: