Gegevens samenvoegen in Python

In gegevensanalyse is het combineren van gegevensverzamelingen een veelvoorkomende taak. Python biedt in Pandas krachtige hulpmiddelen om gegevensverzamelingen efficiënt samen te voegen, te koppelen en aaneen te schakelen. In deze les leer je belangrijke technieken voor het samenvoegen van gegevens in Python.

Aaneenschakeling combineert gegevensverzamelingen door ze langs rijen of kolommen op elkaar te stapelen. Gebruik hiervoor de functie pd.concat().

Voorbeeld:

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])

Samenvoegen combineert gegevensverzamelingen op basis van gemeenschappelijke kolommen of indexen. Gebruik pd.merge() om DataFrames samen te voegen.

Voorbeeld:

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')

De functie merge() ondersteunt verschillende soorten koppelingen:

• Inner-join: retourneert rijen met overeenkomende sleutels in beide DataFrames.
• Outer-join: retourneert alle rijen en vult ontbrekende waarden aan met NaN.
• Left-join: behoudt alle rijen uit de linker-DataFrame.
• Right-join: behoudt alle rijen uit de rechter-DataFrame.

Je kunt DataFrames samenvoegen met meerdere sleutels door een lijst met kolomnamen door te geven aan de parameter on.

Voorbeeld:

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

Je kunt DataFrames naast elkaar aaneenschakelen (kolomsgewijs) met axis=1.

Voorbeeld:

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

De methode combine_first() combineert overlappende gegevens en vult ontbrekende waarden aan vanuit een andere DataFrame.

Voorbeeld:

df1.combine_first(df2)

In deze les heb je geleerd over:

• Aaneenschakeling: DataFrames op elkaar stapelen met pd.concat().
• Samenvoegen: DataFrames combineren op basis van gemeenschappelijke sleutels met pd.merge().
• Soorten koppelingen: inner-, outer-, left- en right-joins.
• Overlappende gegevens combineren: combine_first() gebruiken.

Je hebt de les over het samenvoegen van gegevens in Python voltooid. Ga door naar de volgende les om te leren hoe je kenmerken uit gegevens extraheert.