Łączenie danych w Pythonie
Łączenie wielu zbiorów danych.
Łączenie danych w Pythonie to bezpłatna lekcja Python For Kids na CoddyKit. To lekcja 4 z 5. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Python For Kids, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Python For Kids zawiera 5 lekcji w sumie.
Scalanie danych w Pythonie
W analizie danych łączenie zbiorów danych jest częstym zadaniem. Python udostępnia w Pandas zaawansowane narzędzia do wydajnego scalania, łączenia i konkatenacji zbiorów danych. Ta lekcja obejmuje najważniejsze techniki scalania danych w Pythonie.
Łączenie
Łączenie polega na zestawianiu zbiorów danych przez układanie ich wzdłuż wierszy lub kolumn. Służy do tego funkcja pd.concat().
Przykład:
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])Scalanie obiektów DataFrame
Merge łączy zbiory danych na podstawie wspólnych kolumn lub indeksów. Użyj pd.merge(), aby scalić obiekty DataFrame.
Przykład:
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')Typy złączeń
Funkcja merge() obsługuje różne typy złączeń:
- Złączenie wewnętrzne: Zwraca wiersze z pasującymi kluczami w obu obiektach DataFrame.
- Złączenie zewnętrzne: Zwraca wszystkie wiersze, uzupełniając brakujące wartości wartością NaN.
- Złączenie lewostronne: Zachowuje wszystkie wiersze z lewego obiektu DataFrame.
- Złączenie prawostronne: Zachowuje wszystkie wiersze z prawego obiektu DataFrame.
Łączenie według wielu kluczy
Ramki danych można scalać według wielu kluczy, przekazując listę nazw kolumn do parametru on.
Przykład:
pd.merge(df1, df2, on=['Key1', 'Key2'])Konkatenacja wzdłuż kolumn
Obiekty DataFrame można konkatenować obok siebie (kolumnami), używając axis=1.
Przykład:
df = pd.concat([df1, df2], axis=1)Łączenie nakładających się danych
Metoda combine_first() łączy nakładające się dane, uzupełniając brakujące wartości danymi z innego obiektu DataFrame.
Przykład:
df1.combine_first(df2)Podsumowanie
W tej lekcji poznali Państwo:
- Łączenie: Zestawianie obiektów DataFrame za pomocą
pd.concat(). - Scalanie: Łączenie obiektów DataFrame na podstawie wspólnych kluczy za pomocą
pd.merge(). - Typy złączeń: Złączenia wewnętrzne, zewnętrzne, lewostronne i prawostronne.
- Łączenie nakładających się danych: Używanie
combine_first().
Gratulacje!
Ukończyli Państwo lekcję dotyczącą scalania danych w Pythonie. Przejdźcie do następnej lekcji, aby dowiedzieć się, jak wyodrębniać cechy z danych.
Często zadawane pytania
Czy lekcja „Łączenie danych w Pythonie” jest bezpłatna?
Tak — pełny tekst „Łączenie danych w Pythonie” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Python For Kids, przejdź na CoddyKit PRO. Kurs Python For Kids zawiera 5 lekcji w sumie.
Co nauczysz się w „Łączenie danych w Pythonie”?
Łączenie wielu zbiorów danych. Ćwiczysz Python For Kids z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Python For Kids?
Nie wymagamy żadnego doświadczenia. Python For Kids w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 5.
Ile czasu zajmuje lekcja „Łączenie danych w Pythonie”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Python For Kids?
Tak. Każda lekcja Python For Kids zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Rodzaje danych
- Obsługa brakujących danych
- Normalizacja danych
- Łączenie danych w Pythonie
- Ekstrakcja cech z danych