▪ [ Ссылка ] -подписывайтесь на наш телеграм анализ данных на Python, где мы Data Science обучаем на практике.

▪ [ Ссылка ] - маст-хэв папка для всех, кто интересуется машинным обучением.

▪код из видео [ Ссылка ]

Join, merge и concat - это три основных метода для объединения данных в Pandas.

Метод join используется для объединения двух наборов данных на основе индексов или столбцов. Этот метод работает подобно операции объединения в SQL. Для использования метода join, необходимо вызвать его на одном наборе данных и передать в качестве аргумента другой набор данных, с которым нужно объединить. Метод join выполняет объединение по индексам по умолчанию, но также можно указать столбец или несколько столбцов, по которым будет выполняться объединение.

Пример использования метода join:

import pandas as pd

# Создаем два набора данных
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'C': [7, 8, 9], 'D': [10, 11, 12]})

# Объединяем наборы данных по индексам
df1.join(df2)


Метод merge используется для объединения двух наборов данных на основе общих столбцов или индексов. Он позволяет настраивать тип объединения (внутреннее, внешнее, левое или правое) и определять столбцы, по которым выполняется объединение. Для использования метода merge, необходимо вызвать его на одном наборе данных и передать в качестве аргумента другой набор данных, с которым нужно объединить.

Пример использования метода merge:

import pandas as pd

# Создаем два набора данных
df1 = pd.DataFrame({'key': ['A', 'B', 'C'], 'value': [1, 2, 3]})
df2 = pd.DataFrame({'key': ['A', 'B', 'D'], 'value': [4, 5, 6]})

# Объединяем наборы данных по столбцу key
df1.merge(df2, on='key')


Метод concat используется для объединения двух или более наборов данных по заданной оси (строкам или столбцам). По умолчанию, для объединения используется ось строк. Для использования метода concat, нужно передать в качестве аргументов наборы данных, которые нужно объединить, и указать ось, по которой выполняется объединение.

Пример использования метода concat:

import pandas as pd

# Создаем два набора данных
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
df2 = pd.DataFrame({'A': [7, 8, 9], 'B': [10, 11, 12]})

# Объединяем наборы данных по оси строк
pd.concat([df1, df2])


В результате, методы join, merge и concat позволяют удобно объединять и комбинировать наборы данных в Pandas, что часто используется для работы с большими и сложными данными.

свернуть