🐼 Панды: как склеить два dataframe

pandas: как склеить два dataframe

Добро пожаловать в мир работы с данными и библиотеку pandas! В вашем вопросе вы интересуетесь, как склеить два dataframe. pandas предоставляет несколько способов объединения или склеивания dataframe в один. Рассмотрим некоторые из них.

1. Метод merge()

Метод merge() позволяет объединить два dataframe на основе одного или нескольких общих столбцов. Результатом будет новый dataframe, в котором строки объединены в зависимости от значений в общих столбцах.

import pandas as pd

# Создание двух dataframe
df1 = pd.DataFrame({'Key': ['A', 'B', 'C', 'D'],
                    'Value1': [1, 2, 3, 4]})
df2 = pd.DataFrame({'Key': ['B', 'D', 'E', 'F'],
                    'Value2': [5, 6, 7, 8]})

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

print(merged_df)
    

В приведенном коде мы создали два dataframe (df1 и df2) и объединили их с помощью метода merge() по ключу 'Key'. Результатом является новый dataframe, в котором строки объединены в зависимости от значения ключа 'Key'.

2. Метод concat()

Метод concat() позволяет объединить два или более dataframe вдоль определенной оси (по умолчанию ось 0, то есть объединение происходит по строкам). Результатом будет новый dataframe, в котором строки или столбцы объединены из исходных dataframe.

import pandas as pd

# Создание двух dataframe
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                    'B': ['B0', 'B1', 'B2']},
                   index=[0, 1, 2])
df2 = pd.DataFrame({'C': ['C0', 'C1', 'C2'],
                    'D': ['D0', 'D1', 'D2']},
                   index=[0, 1, 2])

# Склеивание dataframe по строкам (по умолчанию)
concatenated_df = pd.concat([df1, df2])

print(concatenated_df)
    

В приведенном коде мы создали два dataframe (df1 и df2) и объединили их с помощью метода concat(). По умолчанию было выполнено объединение по строкам, так как ось 0. Результатом является новый dataframe, в котором строки объединены из исходных dataframe.

3. Метод join()

Метод join() позволяет объединить два dataframe по индексам или столбцам. Результатом будет новый dataframe, в котором происходит соединение данных из исходных dataframe.

import pandas as pd

# Создание двух dataframe
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                    'B': ['B0', 'B1', 'B2']},
                   index=[0, 1, 2])
df2 = pd.DataFrame({'C': ['C0', 'C1', 'C2'],
                    'D': ['D0', 'D1', 'D2']},
                   index=[1, 2, 3])

# Склеивание dataframe по индексам
joined_df = df1.join(df2, how='inner')

print(joined_df)
    

В приведенном коде мы создали два dataframe (df1 и df2) и объединили их с помощью метода join(). В данном случае мы объединили dataframe по индексам, используя параметр how='inner' для выполнения внутреннего соединения (inner join). Результатом является новый dataframe, в котором происходит соединение данных из исходных dataframe.

4. Метод merge_ordered()

Метод merge_ordered() позволяет объединить два dataframe, упорядочивая значения по одному или нескольким столбцам. Результатом будет новый dataframe, в котором строки объединены в соответствии с порядком значений столбцов.

import pandas as pd

# Создание двух dataframe
df1 = pd.DataFrame({'Key': ['A', 'B', 'C', 'D'],
                    'Value1': [1, 2, 3, 4]})
df2 = pd.DataFrame({'Key': ['B', 'D', 'E', 'F'],
                    'Value2': [5, 6, 7, 8]})

# Склеивание dataframe с упорядочиванием по ключу 'Key'
ordered_df = pd.merge_ordered(df1, df2, on='Key')

print(ordered_df)
    

В приведенном коде мы создали два dataframe (df1 и df2) и объединили их с помощью метода merge_ordered() по ключу 'Key'. Результатом является новый dataframe, в котором строки объединены в соответствии с порядком значений столбца 'Key'.

5. Метод combine_first()

Метод combine_first() позволяет объединить два dataframe, заполняя пропущенные значения в первом dataframe значениями из второго dataframe. Результатом будет новый dataframe, в котором пропущенные значения заполнены значениями из второго dataframe.

import pandas as pd

# Создание двух dataframe
df1 = pd.DataFrame({'A': [1, 2, None, 4],
                    'B': [None, 6, 7, 8]})
df2 = pd.DataFrame({'A': [10, 20, 30, 40],
                    'B': [50, None, 70, None]})

# Склеивание dataframe с заполнением пропущенных значений
combined_df = df1.combine_first(df2)

print(combined_df)
    

В приведенном коде мы создали два dataframe (df1 и df2) и объединили их с помощью метода combine_first(). Результатом является новый dataframe, в котором пропущенные значения в первом dataframe заполнены значениями из второго dataframe.

Заключение

В данной статье мы рассмотрели несколько способов объединения или склеивания dataframe в библиотеке pandas. Вы можете выбрать подходящий метод в зависимости от вашей задачи и требуемого результата. Не стесняйтесь экспериментировать и исследовать дополнительные функциональности, доступные в pandas.

Успехов в работе с pandas!