Функция join() в Pandas: объединение DataFrame с примерами

Функция Pandas join() действует как важный атрибут, когда один DataFrame является таблицей поиска. Например, он содержит большую часть данных, а дополнительные данные этого DataFrame присутствуют в каком-то другом DataFrame.

Содержание

Что такое функция join() вPandas?
Синтаксис
Параметры
Пример программы на Pandas DataFrame join()

Что такое функция join() в Pandas?

join() — это библиотечная функция Pandas, используемая для объединения разных фреймов данных в Python. Например, функция join() объединяет столбцы с другим DataFrame либо в индексе, либо в ключевом столбце. Функцию join() можно определить как объединение стандартных полей разных фреймов данных. Столбцы, которые содержат общие значения и используются для объединения, называются ключами соединения.

Чтобы присоединиться к различным фреймам данных в Pandas на основе индекса или ключа столбца, используйте метод join().

Чтобы определить ключ соединения, нам нужно найти обязательные поля данных, общие для двух фреймов данных, и столбцы в этом фрейме данных, которые совпадают.

Эффективно объединяйте несколько объектов DataFrame по индексу одновременно, передавая список. Мы можем либо соединить DataFrames вертикально, либо бок о бок. Под вертикальным мы подразумеваем объединение фреймов данных по столбцам, а рядом — индексацию.

Следовательно, удобно объединять столбцы двух фреймов данных с разными индексами в один фрейм данных на основе общих атрибутов. Мы также можем объединить данные, передав им список.

Синтаксис

DataFrame.join(other, on=None, how=’left’, lsuffix=”, rsuffix=”, sort=False)

1	DataFrame.join(other, on=None, how=’left’, lsuffix=”, rsuffix=”, sort=False)

Параметры

Функция Pandas join() содержит шесть параметров:

other: это DataFrame или список или серия, которую мы передаем. Индекс должен быть таким же, как один из столбцов. Если серия передается, ее имя должно использоваться в имени столбца в результирующем кадре данных.
on: необязательный параметр, который относится к массивам или значениям str. Он ссылается на столбец или имя уровня индекса в вызывающем DataFrame для присоединения к индексу. В противном случае он присоединяется к индексу по индексу.

Одним из важных условий является то, что если присутствует несколько значений, другой кадр данных также должен быть мультииндексирован.

how: относится к тому, как обрабатывать операцию на обоих объектах. Значение по умолчанию для этого параметра — «left». Различные типы значений этого параметра: «left», «right», «outer», «inner».

left: он использует вызывающий индекс или столбец DataFrame, независимо от того, что указано.
right: использует другие индексы для использования.
outer: он формирует объединение индекса или столбца вызывающего фрейма(как указано) с другим индексом DataFrame и сортирует его лексикографически.
inner: образует пересечение индекса или столбца вызывающего фрейма (как определено) с другим индексом или столбцом фрейма данных, сохраняя порядок вызывающего фрейма.

lsuffix: относится к строковому объекту, который имеет значение по умолчанию. Он использует суффикс из перекрывающихся столбцов левого фрейма.
rsuffix: Он относится к строковому объекту, который имеет значение по умолчанию. Он использует суффикс из перекрывающихся столбцов правого фрейма.
sort: состоит из логического значения и лексикографически сортирует полученный DataFrame.

Пример программы на Pandas DataFrame join()

Напишем программу, показывающую работу метода join().

# app.py

import pandas as pd

data_set1 = pd.DataFrame({'Roll_no': ['A1', 'A2', 'A3', 'A4', 'A5', 'A6'],
                          'Marks_in_Maths': ['98', '85', '43', '66', '47', '74']})
print(data_set1)
data_set2 = pd.DataFrame({'Roll_no': ['A1', 'A2', 'A3'],
                          'Marks_in_Science': ['66', '74', '83']})
print(data_set2)

joined_data = data_set1.join(data_set2.set_index('Roll_no'), on="Roll_no")
print(joined_data)

# app.py

import pandas as pd

data_set1 = pd.DataFrame({'Roll_no': ['A1', 'A2', 'A3', 'A4', 'A5', 'A6'],

'Marks_in_Maths': ['98', '85', '43', '66', '47', '74']})

print(data_set1)

data_set2 = pd.DataFrame({'Roll_no': ['A1', 'A2', 'A3'],

'Marks_in_Science': ['66', '74', '83']})

print(data_set2)

joined_data = data_set1.join(data_set2.set_index('Roll_no'), on="Roll_no")

print(joined_data)

Выход:

python3 app.py
  Roll_no Marks_in_Maths
0      A1             98
1      A2             85
2      A3             43
3      A4             66
4      A5             47
5      A6             74
  Roll_no Marks_in_Science
0      A1               66
1      A2               74
2      A3               83
  Roll_no Marks_in_Maths Marks_in_Science
0      A1             98               66
1      A2             85               74
2      A3             43               83
3      A4             66              NaN
4      A5             47              NaN
5      A6             74              NaN

python3 app.py

Roll_no Marks_in_Maths

0 A1 98

1 A2 85

2 A3 43

3 A4 66

4 A5 47

5 A6 74

Roll_no Marks_in_Science

0 A1 66

1 A2 74

2 A3 83

Roll_no Marks_in_Maths Marks_in_Science

0 A1 98 66

1 A2 85 74

2 A3 43 83

3 A4 66 NaN

4 A5 47 NaN

5 A6 74 NaN

Здесь мы видим, что мы создали два DataFrames, первый из которых получил 6 номеров бросков и оценки по математике для всех 6 учеников.

Второй DataFrame состоит из научных оценок студентов из бросков с 1 по 3. Следовательно, результирующий DataFrame состоит из объединенных значений обоих DataFrames со значениями, не упомянутыми в NaN (отметки по науке из бросков с 4 по 6).