🔗 Как соединить два датафрейма pandas: простое руководство по объединению данных

Чтобы соединить два датафрейма в Pandas, можно использовать функцию merge(). Эта функция объединяет два датафрейма по общим столбцам или индексам.

Вот пример использования функции merge():

import pandas as pd

# Создание первого датафрейма
df1 = pd.DataFrame({'id': [1, 2, 3],
                    'name': ['John', 'Jane', 'Alice'],
                    'age': [25, 30, 35]})

# Создание второго датафрейма
df2 = pd.DataFrame({'id': [2, 3, 4],
                    'city': ['New York', 'Paris', 'London']})

# Соединение двух датафреймов по столбцу 'id'
merged_df = pd.merge(df1, df2, on='id')

print(merged_df)

Результат:

   id  name  age       city
0   2  Jane   30   New York
1   3  Alice   35      Paris

Таким образом, функция merge() позволяет соединять два датафрейма на основе общих столбцов или индексов, что делает их анализ и обработку данных более гибкими.

Как соединить два датафрейма в библиотеке Pandas?

Соединение двух датафреймов в Pandas - это распространенная задача при работе с данными. Когда у вас есть два датафрейма с разными структурами или данными, вы можете использовать различные методы соединения, чтобы объединить их в один датафрейм. В этой статье мы рассмотрим несколько методов соединения и предоставим примеры кода на Python.

1. Метод merge()

Метод merge() в библиотеке Pandas позволяет объединять датафреймы на основе общих столбцов или индексов.

Пример кода:

import pandas as pd

# Создаем первый датафрейм
df1 = pd.DataFrame({'Key': ['A', 'B', 'C', 'D'],
                    'Value1': [1, 2, 3, 4]})

# Создаем второй датафрейм
df2 = pd.DataFrame({'Key': ['B', 'D', 'E', 'F'],
                    'Value2': [5, 6, 7, 8]})

# Соединяем датафреймы по ключу
merged_df = pd.merge(df1, df2, on='Key')

print(merged_df)

Результат выполнения кода:

  Key  Value1  Value2
0   B       2       5
1   D       4       6

В этом примере мы создали два датафрейма: df1 и df2. Затем мы использовали метод merge() с параметром "on" для объединения датафреймов по ключу "Key". Результатом является новый датафрейм, содержащий только строки, у которых есть совпадение в столбце "Key".

2. Метод join()

Метод join() позволяет объединять датафреймы по индексам.

Пример кода:

import pandas as pd

# Создаем первый датафрейм
df1 = pd.DataFrame({'Value1': [1, 2, 3, 4]},
                   index=['A', 'B', 'C', 'D'])

# Создаем второй датафрейм
df2 = pd.DataFrame({'Value2': [5, 6, 7, 8]},
                   index=['B', 'D', 'E', 'F'])

# Соединяем датафреймы по индексам
joined_df = df1.join(df2)

print(joined_df)

Результат выполнения кода:

   Value1  Value2
A       1     NaN
B       2     5.0
C       3     NaN
D       4     6.0

В этом примере мы создали два датафрейма: df1 и df2. Затем мы использовали метод join() для объединения датафреймов по индексам. Результатом является новый датафрейм, содержащий значения из обоих датафреймов, совпадающие по индексам. Если значения отсутствуют в одном из датафреймов, они представлены как NaN.

3. Метод concat()

Метод concat() позволяет объединять датафреймы по горизонтальной или вертикальной оси.

Пример кода:

import pandas as pd

# Создаем первый датафрейм
df1 = pd.DataFrame({'Value1': [1, 2, 3, 4]})

# Создаем второй датафрейм
df2 = pd.DataFrame({'Value2': [5, 6, 7, 8]})

# Объединяем датафреймы по горизонтали
concatenated_df_horizontal = pd.concat([df1, df2], axis=1)

print(concatenated_df_horizontal)

# Объединяем датафреймы по вертикали
concatenated_df_vertical = pd.concat([df1, df2])

print(concatenated_df_vertical)

Результат выполнения кода:

   Value1  Value2
0       1     NaN
1       2     NaN
2       3     NaN
3       4     NaN
   Value1  Value2
0     1.0     NaN
1     2.0     NaN
2     3.0     NaN
3     4.0     NaN
0     NaN     5.0
1     NaN     6.0
2     NaN     7.0
3     NaN     8.0

В этом примере мы создали два датафрейма: df1 и df2. Затем мы использовали метод concat() для объединения датафреймов. При объединении по горизонтальной оси (axis=1) результатом является новый датафрейм, в котором столбцы объединенных датафреймов добавляются друг за другом. При объединении по вертикальной оси (по умолчанию) результатом является новый датафрейм, содержащий строки из обоих датафреймов.

Вывод

В этой статье мы рассмотрели несколько методов соединения двух датафреймов в библиотеке Pandas. Методы merge(), join() и concat() предоставляют различные способы объединения данных, в зависимости от ваших потребностей. Помните, что перед использованием этих методов необходимо понимать структуру и типы данных ваших датафреймов, чтобы избежать ошибок. И не забудьте проверить документацию Pandas для получения дополнительной информации и возможностей.