پاندا چندین فایده داده را ادغام کنید

تابع PANDAS MERGE () برای ادغام چندین داده داده استفاده می شود. ما می توانیم از pandas. merge () یا dataframe. merge () برای ادغام چندین داده های مختلف استفاده کنیم. ادغام چندین داده Data FRAME مشابه SQL Join است و از انواع مختلفی از اتصال داخلی ، چپ ، راست ، بیرونی ، صلیب پشتیبانی می کند.

در این مقاله ، ما یاد خواهیم گرفت که چگونه چندین (سه یا بیشتر) داده های داده را با مثال ادغام کنیم.

 وارد کردن پاندا به عنوان PD Technologies =<'Courses':["Spark","PySpark","Python","pandas"], 'Fee' :[20000,25000,22000,30000], 'Duration':['30days','40days','35days','50days'],>index_labels = ['r1' ، 'r2' ، 'r3' ، 'r4'] df1 = pd. dataframe (فن آوری ها ، index = index_labels) فناوری 2 =<'Courses':["Spark","Java","Python","Go"], 'Discount':[2000,2300,1200,2000]>index_labels2 = ['r1' ، 'r6' ، 'r3' ، 'r5'] df2 = pd. dataframe (Technologies2 ، index = index_labels2) Technologies3 =<'Instructor': ["Jerry", "Tom", "Smith", "John"], 'Courses': ["Spark", "Java", "Python", "Scala"]>index_labels3 = ['r1' ، 'r6' ، 'r3' ، 'r7'] df3 = pd. dataframe (Technologies3 ، index = index_labels3) چاپ (df1) چاپ (df2) چاپ (df3) 

بازده زیر خروجی سه dataframe.

 1. پاندا در مثال های مختلف DataFrames ادغام می شود 

روش pandas. merge () و dataframe. merge () برای ادغام دو یا چند داده داده استفاده می شود. هر دو روش دقیقاً یکسان هستند و تعداد مشابهی از پارامترها را نیز به خود می گیرند. ادغام DataFrames چیزی نیست جز پیوستن به DataFrames مشابه Database پیوستن.

مشابه با پیوستن به پایگاه داده ، روش ادغام () همچنین از چندین نوع پیوستن مانند چپ ، راست ، داخلی ، بیرونی و صلیب پشتیبانی می کند. برای مشخص کردن نوع پیوستن از How Param استفاده کنید.

به طور پیش فرض ادغام () از ier join در ستون هایی که در هر دو dataframes وجود دارد استفاده می کند. همچنین می توانید ستون هایی را که می خواستید به آن بپیوندید و با استفاده از Row Index بپیوندید ، صریحاً مشخص کنید

df4 = pd. merge (pd. merge (df1 ، df2 ، on = 'دوره ها') ، df3 ، on = 'دوره ها') چاپ (df4)

 بازده زیر خروجی. می توانید از همان روش برای ادغام بیش از سه dataframe استفاده کنید. 

دوره های هزینه هزینه مدرس 0 Spark 20000 30days 2000 Jerry 1 Python 22000 35Days 1200 Smith

 از طرف دیگر ، همچنین می توانید از dataframe. merge () برای پیوستن به چندین داده پاندا استفاده کنید. 

# با استفاده از dataframe. merge () df5 = df1. merge (df2 ، on = 'دوره ها'). ادغام (df3 ، on = 'دوره ها') چاپ (df5)

 بازده همانند بالا را بازده می دهد. 

2. با استفاده از Left Join ، چندین داده داده را ثبت کنید

در مثال فوق ادغام سه داده در ستون "دوره ها" انجام می شود. اگر مشخص نکنیم که ادغام در ستون "دوره ها" انجام می شود ، رفتار پیش فرض (به داخلی بپیوندید) زیرا تنها ستون مشترک در سه داده های داده "دوره" است.

در زیر نمونه ادغام () با استفاده از پیوستن به چپ است

#-*-کدگذاری: UTF-8-*-"" "نویسنده SparkbyExamples.com" "" # dataframe. join (دیگر ، در هیچ یک ، چگونه = "چپ" ، lsuffix = '' ، rsuffix = '' ، مرتب سازی= نادرست) پاندا را به عنوان PD Technologies وارد کنید =

 index_labels = ['r1' ، 'r2' ، 'r3' ، 'r4'] df1 = pd. dataframe (فن آوری ها ، index = index_labels) فناوری 2 =<'Courses': ["Spark", "PySpark", "Python", "pandas"], 'Fee': [20000, 25000, 22000, 30000], 'Duration': ['30days', '40days', '35days', '50days'],>index_labels2 = ['r1' ، 'r6' ، 'r3' ، 'r5'] df2 = pd. dataframe (Technologies2 ، index = index_labels2) Technologies3 =<'Courses': ["Spark", "Java", "Python", "Go"], 'Discount': [2000, 2300, 1200, 2000]>index_labels3 = ['r1' ، 'r6' ، 'r3' ، 'r7'] df3 = pd. dataframe (Technologies3 ، index = index_labels3) چاپ (df1) چاپ (df2) چاپ (df3) #df4 = pd. merge (pd. merge (df1 ، df2 ، on = 'دوره ها') ، df3 ، on = 'دوره ها') #print (df4) #df5 = df1. merge (df2 ، on = 'دوره ها'). ادغام (df3 ، on = ="دوره ها") #print (df5) df6 = df1. merge (df2 ، چگونه = 'چپ'). ادغام (df3 ، چگونه = 'چپ') چاپ (df6)<'Instructor': ["Jerry", "Tom", "Smith", "John"], 'Courses': ["Spark", "Java", "Python", "Scala"]>مثال بالا خروجی زیر را ارائه می دهد 

هزینه دوره ها مدت زمان R1 Spark 20000 30Days R2 Pyspark 25000 40Days R3 Python 22000 35Days R4 Pandas 30000 CURES DESCOING R1 Spark 2000 R6 Java 2300 R3 Python 1200 R5 Go 2000 دوره های مربی R1 Jerry Spark R6 Tom Java R7 Python Rlart Python R7 Python R7 Python R7 Python R7 Python R7 Python R7 Python R7 Python R7 Python R7 Python R7 Python R7 Python R7 Python R7 Python R7 Python R7 Smithon Rlart Python R6 R6 Python R7 Python R7 Python R7 Python R7 Python R7 Python R7 Python R7 Smithon R7 Smithon Rlainمربی تخفیف 0 Spark 20000 30days 2000. 0 Jerry 1 Pyspark 25000 40days Nan Nan 2 Python 22000 35Days 1200. 0 Smith 3 Pandas 30000 50DAYS NAN NAN

 نتیجه 

تاکنون یاد گرفته ایم که چگونه می توان چندین پاندا را با استفاده از pd. merge () و DF ادغام کرد. ادغام(). ادغام یک عملیات پیوستن است که ستون های مختلف از داده های مختلف را بر اساس شرایط مشخص شده در بند "ON" یا "چگونه" ترکیب می کند. ادغام همچنین از پیوستن به ستون ها ، فهرست و ترکیب هر دو پشتیبانی می کند.

مقالات مرتبط

ردیف های پاندا با نان

• نحوه رها کردن ردیف ها از نمونه های Pandas dataFrame
• ستون های تک و چندگانه را از pandas dataframe رها کنید
• ردیف N را از DataFrame رها کنید
• تعداد ردیف را از Pandas dataframe دریافت کنید
• نوع داده ستون را در PANDAS DataFrame تغییر دهید
• PANDAS اعمال () تابع به ستون (های) تک و چندگانه
• Pandas DataFrames را در فهرست ادغام می کند
• Pandas Dataframes را در چندین ستون ادغام می کند
• پاندا دو dataframe را ادغام کنید
• منابع

https://pandas. pydata.org/pandas-docs/stable/user_guide/merging.html

• شما همچنین ممکن است خواندن را دوست داشته باشید:

Pandas DataFrame را به CSV می نویسید

1. پاندا اولین ردیف های n از dataframe را رها می کند
2. پانداس نام فهرست را به DataFrame تنظیم کنید
3. مقدار ستون استخراج پاندا بر اساس ستون دیگر
4. pandas dataframe loc [] نحو و نمونه ها
5. سر پانداس () - ردیف های بالای N را برمی گرداند
6. Pretty Print Pandas Dataframe یا سری؟
7. ستون شاخص قطره پاندا توضیح داده شده است
8. عملکرد pandas series. max ()
9. Anaconda را نصب کنید و پاندا را روی نوت بوک Jupyter اجرا کنید
10.