パンダの高度な処理-マージ

パンダの高度な処理-マージ

---

データが複数のテーブルで構成されている場合、分析のために異なるコンテンツをマージする必要がある場合があります

1pd.concatがデータマージを実現

• pd.concat（[data1、data2]、axis = 1）
  • 行または列に従って結合します。axis= 0は列インデックス、axis = 1は行インデックスです。

たとえば、処理したワンホットエンコーディングを元のデータとマージします

# 按照行索引进行
pd.concat([data, dummies], axis=1)

[これは前のブログ投稿からのデータです。]

2 pd.merge

• pd.merge（left、right、how = 'inner'、on = None）
  • 2つのデータセットの共通のキーと値のペアに従って、または相互にマージするように指定できます
  • left：DataFrame
  • right：別のDataFrame
  • on：指定された共通キー
  • 方法：どのように接続するか

マージ方法	SQL結合名	説明
left	LEFT OUTER JOIN	左フレームのキーのみを使用
right	RIGHT OUTER JOIN	右フレームのキーのみを使用
outer	FULL OUTER JOIN	両方のフレームのキーの和集合を使用する
inner	INNER JOIN	両方のフレームのキーの共通部分を使用する

2.1pd.mergeマージ

left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
                        'key2': ['K0', 'K1', 'K0', 'K1'],
                        'A': ['A0', 'A1', 'A2', 'A3'],
                        'B': ['B0', 'B1', 'B2', 'B3']})

right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
                        'key2': ['K0', 'K0', 'K0', 'K0'],
                        'C': ['C0', 'C1', 'C2', 'C3'],
                        'D': ['D0', 'D1', 'D2', 'D3']})

# 默认内连接
result = pd.merge(left, right, on=['key1', 'key2'])

• 左接続

result = pd.merge(left, right, how='left', on=['key1', 'key2'])

• 正しい接続

result = pd.merge(left, right, how='right', on=['key1', 'key2'])

• 外部リンク

result = pd.merge(left, right, how='outer', on=['key1', 'key2'])

3まとめ

• pd.concat（[data1、data2]、axis = **）
• pd.merge（left、right、how =、on =）
  • 方法-接続方法
  • on-接続されたキーの基礎は何ですか