Panda Python - Unione / Unione

Pandas ha operazioni di join in memoria complete e ad alte prestazioni idiomaticamente molto simili ai database relazionali come SQL.

Pandas fornisce un'unica funzione, merge, come punto di ingresso per tutte le operazioni di join di database standard tra oggetti DataFrame -

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
left_index=False, right_index=False, sort=True)

Qui abbiamo utilizzato i seguenti parametri:

left - Un oggetto DataFrame.
right - Un altro oggetto DataFrame.
on- Colonne (nomi) a cui unirsi. Deve essere trovato negli oggetti DataFrame sinistro e destro.
left_on- Colonne dal DataFrame sinistro da utilizzare come chiavi. Possono essere nomi di colonna o array con lunghezza uguale alla lunghezza del DataFrame.
right_on- Colonne dal DataFrame destro da utilizzare come chiavi. Possono essere nomi di colonna o array con lunghezza uguale alla lunghezza del DataFrame.
left_index - Se True,utilizzare l'indice (etichette di riga) dal DataFrame sinistro come chiave di unione. In caso di un DataFrame con un MultiIndex (gerarchico), il numero di livelli deve corrispondere al numero di chiavi di join dal DataFrame destro.
right_index - Stesso utilizzo di left_index per il giusto DataFrame.
how- Uno tra "sinistro", "destro", "esterno", "interno". Il valore predefinito è interno. Ciascun metodo è stato descritto di seguito.
sort- Ordina il DataFrame del risultato in base alle chiavi di join in ordine lessicografico. Il valore predefinito è True, l'impostazione su False migliorerà sostanzialmente le prestazioni in molti casi.

Creiamo ora due diversi DataFrame ed eseguiamo le operazioni di unione su di esso.

# import the pandas library
import pandas as pd
left = pd.DataFrame({
   'id':[1,2,3,4,5],
   'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
   'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame(
   {'id':[1,2,3,4,5],
   'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
   'subject_id':['sub2','sub4','sub3','sub6','sub5']})
print left
print right

Suo output è il seguente -

Name  id   subject_id
0   Alex   1         sub1
1    Amy   2         sub2
2  Allen   3         sub4
3  Alice   4         sub6
4  Ayoung  5         sub5

    Name  id   subject_id
0  Billy   1         sub2
1  Brian   2         sub4
2  Bran    3         sub3
3  Bryce   4         sub6
4  Betty   5         sub5

Unisci due DataFrame su una chiave

import pandas as pd
left = pd.DataFrame({
   'id':[1,2,3,4,5],
   'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
   'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame({
	'id':[1,2,3,4,5],
   'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
   'subject_id':['sub2','sub4','sub3','sub6','sub5']})
print pd.merge(left,right,on='id')

Suo output è il seguente -

Name_x   id  subject_id_x   Name_y   subject_id_y
0  Alex      1          sub1    Billy           sub2
1  Amy       2          sub2    Brian           sub4
2  Allen     3          sub4     Bran           sub3
3  Alice     4          sub6    Bryce           sub6
4  Ayoung    5          sub5    Betty           sub5

Unisci due DataFrame su più chiavi

import pandas as pd
left = pd.DataFrame({
   'id':[1,2,3,4,5],
   'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
   'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame({
	'id':[1,2,3,4,5],
   'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
   'subject_id':['sub2','sub4','sub3','sub6','sub5']})
print pd.merge(left,right,on=['id','subject_id'])

Suo output è il seguente -

Name_x   id   subject_id   Name_y
0    Alice    4         sub6    Bryce
1   Ayoung    5         sub5    Betty

Unisci usando l'argomento "come"

Il howL'argomento da unire specifica come determinare quali chiavi devono essere incluse nella tabella risultante. Se una combinazione di tasti non appare né nella tabella sinistra né in quella destra, i valori nella tabella unita saranno NA.

Ecco un riassunto del how opzioni e i loro nomi equivalenti SQL -

Metodo di unione	Equivalente SQL	Descrizione
sinistra	UNISCI ESTERNO SINISTRO	Usa i tasti dell'oggetto sinistro
destra	PARTE ESTERNA DESTRA	Usa i tasti dell'oggetto destro
esterno	FULL OUTER JOIN	Usa l'unione delle chiavi
interno	INNER JOIN	Usa l'intersezione delle chiavi

Unisciti a sinistra

import pandas as pd
left = pd.DataFrame({
   'id':[1,2,3,4,5],
   'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
   'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame({
   'id':[1,2,3,4,5],
   'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
   'subject_id':['sub2','sub4','sub3','sub6','sub5']})
print pd.merge(left, right, on='subject_id', how='left')

Suo output è il seguente -

Name_x   id_x   subject_id   Name_y   id_y
0     Alex      1         sub1      NaN    NaN
1      Amy      2         sub2    Billy    1.0
2    Allen      3         sub4    Brian    2.0
3    Alice      4         sub6    Bryce    4.0
4   Ayoung      5         sub5    Betty    5.0

Right Join

import pandas as pd
left = pd.DataFrame({
   'id':[1,2,3,4,5],
   'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
   'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame({
   'id':[1,2,3,4,5],
   'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
   'subject_id':['sub2','sub4','sub3','sub6','sub5']})
print pd.merge(left, right, on='subject_id', how='right')

Suo output è il seguente -

Name_x  id_x   subject_id   Name_y   id_y
0      Amy   2.0         sub2    Billy      1
1    Allen   3.0         sub4    Brian      2
2    Alice   4.0         sub6    Bryce      4
3   Ayoung   5.0         sub5    Betty      5
4      NaN   NaN         sub3     Bran      3

Outer Join

import pandas as pd
left = pd.DataFrame({
   'id':[1,2,3,4,5],
   'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
   'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame({
   'id':[1,2,3,4,5],
   'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
   'subject_id':['sub2','sub4','sub3','sub6','sub5']})
print pd.merge(left, right, how='outer', on='subject_id')

Suo output è il seguente -

Name_x  id_x   subject_id   Name_y   id_y
0     Alex   1.0         sub1      NaN    NaN
1      Amy   2.0         sub2    Billy    1.0
2    Allen   3.0         sub4    Brian    2.0
3    Alice   4.0         sub6    Bryce    4.0
4   Ayoung   5.0         sub5    Betty    5.0
5      NaN   NaN         sub3     Bran    3.0

Inner Join

L'unione verrà eseguita su index. L'operazione di join rispetta l'oggetto su cui viene chiamato. Così,a.join(b) non è uguale a b.join(a).

import pandas as pd
left = pd.DataFrame({
   'id':[1,2,3,4,5],
   'Name': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
   'subject_id':['sub1','sub2','sub4','sub6','sub5']})
right = pd.DataFrame({
   'id':[1,2,3,4,5],
   'Name': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],
   'subject_id':['sub2','sub4','sub3','sub6','sub5']})
print pd.merge(left, right, on='subject_id', how='inner')

Suo output è il seguente -

Name_x   id_x   subject_id   Name_y   id_y
0      Amy      2         sub2    Billy      1
1    Allen      3         sub4    Brian      2
2    Alice      4         sub6    Bryce      4
3   Ayoung      5         sub5    Betty      5

↰ Previous page Next page ↱

Panda Python - Unione / Unione

Unisci due DataFrame su una chiave

Unisci due DataFrame su più chiavi

Unisci usando l'argomento "come"

Unisciti a sinistra

Right Join

Outer Join

Inner Join

Tutorial Python Pandas