Fehlerhafte Joins diagnostizieren
Schlüssel und das indicator-Flag validieren
Fehlerhafte Joins diagnostizieren ist eine kostenlose Data Science Academy-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Data Science Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Joins schlagen lautlos fehl
Ein fehlerhafter Join löst nur selten einen Fehler aus. Er liefert einfach die wrong Zeilen, daher sollten Sie das Ergebnis immer selbst prüfen.
Zuerst die Zeilenanzahl prüfen
Der schnellste Plausibilitätstest ist shape. Vergleichen Sie die Zeilenanzahl vor und nach dem Join, um Überraschungen frühzeitig zu erkennen.
print(orders.shape, merged.shape)Zu viele Zeilen bedeuten Duplikate
Wenn das Ergebnis größer als erwartet ist, wiederholt sich Ihr key wahrscheinlich auf einer Seite, wodurch sich Zeilen vervielfachen.
Zu wenige Zeilen bedeuten keine Übereinstimmung
Ein verkleinertes Ergebnis eines inner-Joins bedeutet, dass die Schlüssel nicht matchten – häufig wegen Tippfehlern, unterschiedlicher Groß- und Kleinschreibung oder nachgestellter Leerzeichen.
Das indicator-Flag
Setzen Sie indicator=True. Dann fügt merge eine Spalte _merge hinzu, die zeigt, ob jede Zeile aus der linken, der rechten oder aus beiden Tabellen stammt.
m = a.merge(b, on="id", how="outer", indicator=True)Die Spalte _merge auslesen
Zählen Sie die Werte in _merge, um genau zu sehen, wie viele Schlüssel auf beiden Seiten oder nur auf einer Seite übereinstimmen.
m["_merge"].value_counts()Nicht übereinstimmende Zeilen untersuchen
Filtern Sie nach Zeilen mit left_only, um genau zu sehen, welche Schlüssel in der anderen Tabelle keinen Partner gefunden haben.
m[m["_merge"] == "left_only"]Die Beziehung validieren
Das Argument validate erzwingt Ihre Annahme. Übergeben Sie one_to_one; dann meldet pandas einen Fehler, wenn sich ein Schlüssel unerwartet wiederholt.
a.merge(b, on="id", validate="one_to_one")Schlüssel vor dem Join bereinigen
Entfernen Sie zuerst Leerzeichen und korrigieren Sie die Groß- und Kleinschreibung in den Schlüsselspalten. Ein schnelles str.strip verhindert die meisten unbemerkten Nichtübereinstimmungen.
df["id"] = df["id"].str.strip()Übereinstimmende dtypes bestätigen
Vergleichen Sie den dtype jeder Schlüsselspalte in beiden Tabellen. Ein String und ein Integer werden niemals übereinstimmen, unabhängig von ihren Werten.
print(a["id"].dtype, b["id"].dtype)Diagnose zur Gewohnheit machen
Prüfen Sie nach einem Join immer die Plausibilität von shape und die Aufschlüsselung in _merge. Zwei Sekunden jetzt ersparen später einen silent Fehler. 🔍
Schnelltest
Sie möchten sehen, welche Zeilen in beiden Tabellen übereinstimmen und welche nicht. Was hilft am meisten?
Zusammenfassung: Vertrauen ist gut, Kontrolle ist besser
Sie können Joins jetzt mit shape-Prüfungen, der indicator-Spalte und validate diagnostizieren und außerdem Schlüssel bereinigen, um unbemerkte Nichtübereinstimmungen zu verhindern. Gute Arbeit!
Lerne Python mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 30
- Lektionen
- 120
Häufig gestellte Fragen
Ist die Lektion „Fehlerhafte Joins diagnostizieren“ kostenlos?
Ja — der vollständige Text von „Fehlerhafte Joins diagnostizieren“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Data Science Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Fehlerhafte Joins diagnostizieren“?
Schlüssel und das indicator-Flag validieren Du übst Data Science Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Data Science Academy zu starten?
Keine Vorkenntnisse erforderlich. Data Science Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „Fehlerhafte Joins diagnostizieren“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Data Science Academy-Lektion Code schreiben und ausführen?
Ja. Jede Data Science Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Inner, Left, Right und Outer
- Nach Schlüsseln und Indizes mergen
- Mit concat stapeln und anhängen
- Fehlerhafte Joins diagnostizieren