การผสานข้อมูลใน Python
การรวมชุดข้อมูลหลายชุดเข้าด้วยกัน
การผสานข้อมูลใน Python เป็นบทเรียน Python Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 5 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Python Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Python Academy มีบทเรียนทั้งหมด 5 บทเรียน
การผสานข้อมูลใน Python
การผสานข้อมูลใน Python
ในการวิเคราะห์ข้อมูล การรวมชุดข้อมูลเป็นงานที่พบได้ทั่วไป Python มีเครื่องมือทรงพลังใน Pandas สำหรับผสาน เชื่อม และต่อชุดข้อมูลอย่างมีประสิทธิภาพ บทเรียนนี้ครอบคลุมเทคนิคสำคัญสำหรับการผสานข้อมูลใน Python
การต่อข้อมูล
การต่อข้อมูล
การต่อข้อมูล คือการรวมชุดข้อมูลด้วยการเรียงต่อกันตามแถวหรือคอลัมน์ โปรดใช้ฟังก์ชัน 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 DataFrames
การผสาน คือการรวมชุดข้อมูลโดยอ้างอิงจากคอลัมน์หรือดัชนีที่มีร่วมกัน โปรดใช้ 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')ประเภทการเชื่อมข้อมูล
ประเภทการเชื่อมข้อมูล
ฟังก์ชัน merge() รองรับประเภทการเชื่อมข้อมูลที่แตกต่างกัน:
- การเชื่อมแบบด้านใน: ส่งคืนแถวที่มีคีย์ตรงกันใน DataFrames ทั้งสองชุด
- การเชื่อมแบบด้านนอก: ส่งคืนทุกแถว โดยเติมค่าที่หายไปด้วย NaN
- การเชื่อมแบบซ้าย: เก็บทุกแถวจาก DataFrame ด้านซ้าย
- การเชื่อมแบบขวา: เก็บทุกแถวจาก DataFrame ด้านขวา
การเชื่อมโดยใช้คีย์หลายตัว
การเชื่อมโดยใช้คีย์หลายตัว
คุณสามารถผสาน DataFrames โดยใช้คีย์หลายตัวได้ด้วยการส่งรายชื่อคอลัมน์ไปยังพารามิเตอร์ on
ตัวอย่าง:
pd.merge(df1, df2, on=['Key1', 'Key2'])การต่อข้อมูลตามคอลัมน์
การต่อข้อมูลตามคอลัมน์
คุณสามารถต่อ DataFrames เคียงข้างกัน (ตามคอลัมน์) ได้โดยใช้ axis=1
ตัวอย่าง:
df = pd.concat([df1, df2], axis=1)การรวมข้อมูลที่ซ้อนทับกัน
การรวมข้อมูลที่ซ้อนทับกัน
เมธอด combine_first() จะรวมข้อมูลที่ซ้อนทับกัน โดยเติมค่าที่หายไปจาก DataFrame อื่น
ตัวอย่าง:
df1.combine_first(df2)สรุป
สรุป
ในบทเรียนนี้ คุณได้เรียนรู้เกี่ยวกับ:
- การต่อข้อมูล: การเรียงต่อ DataFrames โดยใช้
pd.concat() - การผสาน: การรวม DataFrames โดยอ้างอิงจากคีย์ร่วม โดยใช้
pd.merge() - ประเภทการเชื่อมข้อมูล: การเชื่อมแบบด้านใน ด้านนอก ซ้าย และขวา
- การรวมข้อมูลที่ซ้อนทับกัน: การใช้
combine_first()
ยินดีด้วย!
ยินดีด้วย!
คุณเรียนจบบทเรียนเรื่องการผสานข้อมูลใน Python แล้ว โปรดเรียนต่อในบทถัดไปเพื่อเรียนรู้เกี่ยวกับการสกัดคุณลักษณะจากข้อมูล
คำถามที่พบบ่อย
บทเรียน “การผสานข้อมูลใน Python” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “การผสานข้อมูลใน Python” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Python Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Python Academy มีบทเรียนทั้งหมด 5 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “การผสานข้อมูลใน Python”
การรวมชุดข้อมูลหลายชุดเข้าด้วยกัน คุณปฏิบัติ Python Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Python Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Python Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 5 บทเรียน
บทเรียน “การผสานข้อมูลใน Python” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Python Academy นี้ได้ไหม
ได้ บทเรียน Python Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- ชนิดของข้อมูล
- การจัดการข้อมูลที่ขาดหาย
- การปรับข้อมูลให้เป็นมาตรฐาน
- การผสานข้อมูลใน Python
- การสกัดคุณลักษณะจากข้อมูล