การผสานข้อมูลในไพธอน

ในการวิเคราะห์ข้อมูล การรวมชุดข้อมูลเป็นงานที่พบได้ทั่วไป ไพธอนมีเครื่องมืออันทรงพลังในแพนดาสสำหรับผสาน เชื่อม และต่อชุดข้อมูลอย่างมีประสิทธิภาพ บทเรียนนี้ครอบคลุมเทคนิคสำคัญสำหรับการผสานข้อมูลในไพธอน

การต่อข้อมูล

การต่อข้อมูลเป็นการรวมชุดข้อมูลโดยนำมาต่อกันตามแถวหรือคอลัมน์ ใช้ฟังก์ชัน pd.concat() สำหรับการดำเนินการนี้

ตัวอย่าง:

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])

การผสาน DataFrames

การผสาน จะรวมชุดข้อมูลโดยอาศัยคอลัมน์หรือดัชนีที่มีร่วมกัน ใช้ pd.merge() เพื่อผสาน DataFrames

ตัวอย่าง:

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')

ประเภทของการเชื่อมข้อมูล

ฟังก์ชัน merge()รองรับการเชื่อมข้อมูลหลายประเภท:

• การเชื่อมแบบด้านใน: ส่งคืนแถวที่มีคีย์ตรงกันใน DataFrames ทั้งสองชุด
• การเชื่อมแบบภายนอก: ส่งคืนทุกแถว โดยเติมค่าที่ขาดหายด้วย NaN
• การเชื่อมด้านซ้าย: เก็บแถวทั้งหมดจาก DataFrame ด้านซ้าย
• การเชื่อมด้านขวา: เก็บแถวทั้งหมดจาก DataFrame ด้านขวา

การรวมโดยใช้คีย์หลายรายการ

คุณสามารถรวม DataFrames โดยใช้คีย์หลายรายการได้ โดยส่งรายการชื่อคอลัมน์ให้กับพารามิเตอร์ on

ตัวอย่าง:

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

การต่อข้อมูลตามคอลัมน์

คุณสามารถต่อ DataFrames เข้าด้วยกันในแนวนอน (ตามคอลัมน์) โดยใช้ axis=1

ตัวอย่าง:

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

การรวมข้อมูลที่ทับซ้อนกัน

เมธอด combine_first() จะรวมข้อมูลที่ทับซ้อนกัน โดยเติมค่าที่หายไปจาก DataFrame อื่น

ตัวอย่าง:

df1.combine_first(df2)

ทบทวนบทเรียน

ในบทเรียนนี้ คุณได้เรียนรู้เกี่ยวกับ:

• การต่อข้อมูล: การนำ DataFrames มาต่อกันโดยใช้ pd.concat()
• การรวมข้อมูล: การรวม DataFrames โดยอ้างอิงคีย์ร่วมกันด้วย pd.merge()
• ประเภทของการเชื่อมข้อมูล: การเชื่อมแบบด้านใน ภายนอก ด้านซ้าย และด้านขวา
• การรวมข้อมูลที่ทับซ้อนกัน: การใช้ combine_first()

ขอแสดงความยินดี

คุณเรียนจบบทเรียนเกี่ยวกับการผสานข้อมูลในไพธอนแล้ว เรียนต่อในบทถัดไปเพื่อเรียนรู้เกี่ยวกับการสกัดคุณลักษณะจากข้อมูล