Bagaimana cara menggabungkan bingkai data Panda?
Bagaimana cara menggabungkan bingkai data Panda?

Video: Bagaimana cara menggabungkan bingkai data Panda?

Video: Bagaimana cara menggabungkan bingkai data Panda?
Video: Belajar Pandas : Menggabungkan Data 2024, April
Anonim

Untuk bergabung dengan ini DataFrame , panda menyediakan beberapa fungsi seperti concat(), menggabungkan (), join(), dll. Di bagian ini, Anda akan berlatih menggunakan menggabungkan () fungsi dari panda . Anda dapat memperhatikan bahwa DataFrame sekarang digabung menjadi satu Bingkai Data berdasarkan nilai-nilai umum yang ada di kolom id dari keduanya DataFrame.

Dengan mengingat hal ini, bagaimana Anda menggabungkan bingkai data?

Tentukan Ikuti ketik perintah "bagaimana". Kiri Ikuti , atau kiri menggabungkan , pertahankan setiap baris dari kiri kerangka data . Hasil dari kiri- Ikuti atau kiri- menggabungkan dari dua kerangka data di Panda. Baris di kiri kerangka data yang tidak memiliki korespondensi Ikuti nilai di sebelah kanan kerangka data yang tersisa dengan nilai NaN.

Selanjutnya, bagaimana cara menambahkan Dataframe ke Dataframe lain dengan Python? Kerangka data panda . menambahkan () fungsi digunakan untuk menambahkan deretan lainnya kerangka data sampai akhir yang diberikan kerangka data , mengembalikan yang baru kerangka data obyek. Kolom tidak dalam aslinya kerangka data ditambahkan sebagai kolom baru dan sel baru diisi dengan nilai NaN. abaikan_index: Jika Benar, jangan gunakan label indeks.

Dengan mempertimbangkan hal ini, apa perbedaan antara menggabungkan dan bergabung dalam panda?

Bingkai Data. Ikuti () metode sebagai cara mudah untuk mengakses kemampuan panda . Ikuti (df2) selalu bergabung melalui indeks df2, tetapi df1. menggabungkan (df2) bisa Ikuti ke satu atau lebih kolom df2 (default) atau ke indeks df2 (dengan right_index=True).

Apakah NaN seekor panda?

Untuk mendeteksi NaN nilai-nilai panda menggunakan baik. isna() atau. isnull(). NS NaN nilai-nilai diwarisi dari fakta bahwa panda dibangun di atas numpy, sedangkan nama dua fungsi berasal dari R's DataFrames, yang struktur dan fungsinya panda mencoba meniru.

Direkomendasikan: