Datan yhdistäminen Pythonissa

Data-analyysissä aineistojen yhdistäminen on yleinen tehtävä. Python tarjoaa Pandasissa tehokkaita työkaluja aineistojen yhdistämiseen, liittämiseen ja konkatenointiin. Tässä oppitunnissa käsitellään datan yhdistämisen keskeisiä tekniikoita Pythonissa.

Konkatenointi yhdistää aineistoja pinoamalla niitä riveittäin tai sarakkeittain. Käyttäkää tähän pd.concat()-funktiota.

Esimerkki:

import pandas as pd data1 = {'Name': ['Alice'], 'Age': [25]} data2 = {'Name': ['Bob'], 'Age': [30]} df1 = pd.DataFrame(data1) df2 = pd.DataFrame(data2) df = pd.concat([df1, df2])

Yhdistäminen perustuu yhteisiin sarakkeisiin tai indekseihin. Käyttäkää DataFramejen yhdistämiseen pd.merge()-funktiota.

Esimerkki:

data1 = {'ID': [1, 2], 'Name': ['Alice', 'Bob']} data2 = {'ID': [1, 2], 'Age': [25, 30]} df1 = pd.DataFrame(data1) df2 = pd.DataFrame(data2) df = pd.merge(df1, df2, on='ID')

merge()-funktio tukee erilaisia liitostyyppejä:

• Sisäliitos: Palauttaa rivit, joiden avaimet vastaavat toisiaan molemmissa DataFrameissa.
• Ulkoisliitos: Palauttaa kaikki rivit ja täyttää puuttuvat arvot NaN-arvoilla.
• Vasen liitos: Säilyttää kaikki vasemmanpuoleisen DataFramen rivit.
• Oikea liitos: Säilyttää kaikki oikeanpuoleisen DataFramen rivit.

Voitte yhdistää DataFramet useiden avainten avulla välittämällä sarakkeiden nimistä muodostetun listan on-parametrille.

Esimerkki:

pd.merge(df1, df2, on=['Key1', 'Key2'])

Voitte konkatenoida DataFramet rinnakkain (sarakkeittain) käyttämällä axis=1-asetusta.

Esimerkki:

df = pd.concat([df1, df2], axis=1)

combine_first()-metodi yhdistää päällekkäiset tiedot ja täyttää puuttuvat arvot toisen DataFramen arvoilla.

Esimerkki:

df1.combine_first(df2)

Tässä oppitunnissa opitte seuraavat asiat:

• Konkatenointi: DataFramejen pinoaminen pd.concat()-funktion avulla.
• Yhdistäminen: DataFramejen yhdistäminen yhteisten avainten perusteella pd.merge()-funktion avulla.
• Liitostyypit: Sisä-, ulko-, vasen- ja oikeanpuoleiset liitokset.
• Päällekkäisten tietojen yhdistäminen: combine_first()-metodin käyttäminen.

Olette suorittaneet datan yhdistämistä Pythonissa käsittelevän oppitunnin. Siirtykää seuraavalle oppitunnille, jossa opitte piirteiden erottelusta datasta.