Hvordan slår jeg sammen Panda-datarammer?
Hvordan slår jeg sammen Panda-datarammer?

Video: Hvordan slår jeg sammen Panda-datarammer?

Video: Hvordan slår jeg sammen Panda-datarammer?
Video: Merging DataFrames in Pandas | Python Pandas Tutorials 2024, April
Anonim

For å bli med på disse Datarammer , pandaer gir flere funksjoner som concat(), slå sammen (), join(), osv. I denne delen skal du øve deg på å bruke slå sammen () funksjon av pandaer . Du kan merke at Datarammer er nå slått sammen til en singel Dataramme basert på de vanlige verdiene i id-kolonnen til begge Datarammer.

Med dette i øyesyn, hvordan kombinerer du datarammer?

Spesifiser bli med skriv inn kommandoen "hvordan". En venstre bli med , eller venstre slå sammen , holder hver rad fra venstre Dataramme . Resultat fra venstre- bli med eller venstre- slå sammen av to datarammer i pandaene. Rader til venstre Dataramme som ikke har tilsvarende bli med verdi i høyre Dataramme sitter igjen med NaN-verdier.

Videre, hvordan legger jeg til en Dataframe til en annen Dataframe i Python? Pandas dataramme . legge til () funksjonen brukes til legge til rader med andre Dataramme til slutten av det gitte Dataramme , returnerer en ny Dataramme gjenstand. Kolonnene er ikke i originalen datarammer legges til som nye kolonner og de nye cellene fylles ut med NaN-verdi. ignore_index: Hvis True, ikke bruk indeksetikettene.

Når du tar dette i betraktning, hva er forskjellen mellom å slå sammen og bli med i pandaer?

Dataramme. bli med () metoder som en praktisk måte å få tilgang til mulighetene til pandaer . bli med (df2) alltid blir med via indeksen til df2, men df1. slå sammen (df2) kan bli med til én eller flere kolonner av df2 (standard) eller til indeksen til df2 (med right_index=True).

Er NaN en panda?

Å oppdage NaN verdier pandaer bruker enten. isna() eller. isnull(). De NaN verdier er arvet fra det faktum at pandaer er bygget på toppen av numpy, mens de to funksjonenes navn stammer fra Rs DataFrames, hvis struktur og funksjonalitet pandaer prøvde å etterligne.

Anbefalt: