Unione dei dati in Python
Combinazione di più dataset
Unione dei dati in Python è una lezione Python For Kids gratuita su CoddyKit. Questa è la lezione 4 di 5. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Python For Kids, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Python For Kids include 5 lezioni in totale.
Unione dei dati in Python
Nell'analisi dei dati, combinare dataset è un'operazione comune. Python offre strumenti avanzati in Pandas per unire, collegare e concatenare dataset in modo efficiente. Questa lezione illustra le tecniche principali per unire i dati in Python.
Concatenazione
La concatenazione combina i dataset impilandoli lungo le righe o le colonne. A questo scopo, usate la funzione pd.concat().
Esempio:
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])Unione dei DataFrame
Merge combina i dataset in base a colonne o indici comuni. Usi pd.merge() per unire i DataFrame.
Esempio:
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')Tipi di join
La funzione merge() supporta diversi tipi di join:
- Inner join: restituisce le righe con chiavi corrispondenti in entrambi i DataFrame.
- Outer join: restituisce tutte le righe, riempiendo i valori mancanti con NaN.
- Left join: mantiene tutte le righe del DataFrame di sinistra.
- Right join: mantiene tutte le righe del DataFrame di destra.
Unire usando più chiavi
Può unire i DataFrame utilizzando più chiavi passando un elenco di nomi di colonne al parametro on.
Esempio:
pd.merge(df1, df2, on=['Key1', 'Key2'])Concatenazione lungo le colonne
È possibile concatenare i DataFrame affiancandoli (per colonne) usando axis=1.
Esempio:
df = pd.concat([df1, df2], axis=1)Combinazione di dati sovrapposti
Il metodo combine_first() combina dati sovrapposti, riempiendo i valori mancanti con quelli di un altro DataFrame.
Esempio:
df1.combine_first(df2)Riepilogo
In questa lezione avete imparato a conoscere:
- Concatenazione: impilare i DataFrame usando
pd.concat(). - Unione: combinare i DataFrame in base a chiavi comuni usando
pd.merge(). - Tipi di join: inner, outer, left e right join.
- Combinazione di dati sovrapposti: usare
combine_first().
Congratulazioni!
Ha completato la lezione sull'unione dei dati in Python. Prosegua con la lezione successiva per scoprire l'estrazione delle feature dai dati.
Domande Frequenti
La lezione «Unione dei dati in Python» è gratuita?
Sì — il testo completo di «Unione dei dati in Python» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Python For Kids, passa a CoddyKit PRO. Il corso Python For Kids include 5 lezioni in totale.
Cosa imparerò in «Unione dei dati in Python»?
Combinazione di più dataset Eserciti Python For Kids con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Python For Kids?
Non è richiesta alcuna esperienza precedente. Python For Kids su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 5.
Quanto tempo richiede la lezione «Unione dei dati in Python»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Python For Kids?
Sì. Ogni lezione Python For Kids include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Tipi di dati
- Gestione dei dati mancanti
- Normalizzazione dei dati
- Unione dei dati in Python
- Estrazione delle feature dai dati