Pandas ialah perpustakaan Python yang digunakan secara meluas dalam bidang manipulasi dan analisis data. Ia menyediakan struktur data dan fungsi yang diperlukan untuk berfungsi dengan data berstruktur dengan lancar. Salah satu daripada banyak ciri yang ditawarkannya ialah keupayaan untuk menyertai jadual dengan kekunci bukan unik, yang boleh menjadi keperluan biasa dalam aplikasi praktikal. Dalam artikel ini, kami akan menyelami penyelesaian kepada masalah ini, meneroka penjelasan langkah demi langkah bagi kod yang digunakan untuk menyertai objek DataFrame panda dengan kekunci bukan unik, dan membincangkan perpustakaan dan fungsi yang terlibat dalam proses ini.
Pengenalan
Mencantumkan jadual ialah operasi asas yang dilakukan dalam tugasan manipulasi dan analisis data. Dalam senario tertentu, kami mungkin dikehendaki untuk menyertai jadual pada kunci bukan unik, yang boleh memberikan cabaran. Walau bagaimanapun, bekerja dengan perpustakaan Python yang berkuasa, panda, membolehkan kami menyelesaikan masalah ini secara elegan menggunakan fungsi fleksibelnya.
Menyertai Pandas DataFrames dengan Kekunci Bukan Unik
Untuk menyertai DataFrames dalam panda, kita boleh menggunakan fungsi `merge()`, yang menyokong pencantuman pada kekunci bukan unik. Walau bagaimanapun, adalah penting untuk memahami bahawa hasil penggabungan kunci bukan unik mungkin berbeza daripada yang dijangkakan, kerana ia boleh membawa kepada produk kartesian, yang berpotensi mengakibatkan peningkatan ketara dalam bilangan baris dalam DataFrame yang terhasil.
Berikut ialah panduan langkah demi langkah untuk menggunakan fungsi `merge()` untuk menyertai DataFrames dengan kunci bukan unik:
import pandas as pd
# Create sample DataFrames
df1 = pd.DataFrame({"key": ["A", "B", "A", "C"], "value": [1, 2, 3, 4]})
df2 = pd.DataFrame({"key": ["A", "B", "A", "D"], "value2": [5, 6, 7, 8]})
# Perform the merge operation
result = df1.merge(df2, on="key", how="inner")
Dalam contoh di atas, kami mula-mula mengimport perpustakaan panda dan mencipta dua sampel DataFrames (df1 dan df2). Kemudian, kami menggunakan fungsi `gabung()` untuk menyertai DataFrames pada lajur "kunci", yang mengandungi nilai bukan unik (A dan B diulang). Parameter `how` ditetapkan kepada "dalaman", kerana kami ingin menyimpan hanya baris yang mempunyai kunci yang sepadan dalam kedua-dua DataFrames.
Memahami Fungsi Gabungan Panda
Fungsi `merge()` dalam panda ialah alat yang sangat berkuasa dan fleksibel untuk melaksanakan operasi gabungan jadual. Selain menyertai DataFrames dengan kunci bukan unik, ia menyokong pelbagai peringkat penyesuaian, membolehkan anda mempunyai kawalan penuh ke atas DataFrame yang terhasil.
Fungsi `merge()` mempunyai beberapa parameter penting seperti:
- kiri and kanan: Ini ialah DataFrames untuk digabungkan.
- on: Lajur yang harus digunakan untuk menyertai DataFrames. Ini boleh menjadi nama lajur tunggal atau senarai nama lajur apabila menyertai berbilang lajur.
- bagaimana: Ia mentakrifkan jenis cantuman yang akan dilakukan. Pilihan termasuk 'kiri', 'kanan', 'luar' dan 'dalaman'. Lalai ialah 'dalaman'.
- akhiran: Ini ialah tuple imbuhan rentetan untuk digunakan pada lajur yang bertindih. Akhiran lalai ialah _x untuk DataFrame kiri dan _y untuk DataFrame kanan.
Parameter ini boleh diubah suai mengikut keperluan anda untuk melaksanakan pelbagai jenis operasi gabungan dan menyesuaikan output.
Fungsi Serupa dalam Panda
Selain daripada fungsi `merge()`, panda juga menawarkan fungsi lain untuk menggabungkan DataFrames dengan cara yang berbeza, seperti:
- ringkas (): Fungsi ini digunakan untuk menggabungkan DataFrames sepanjang paksi tertentu. Anda boleh mengawal penggabungan dengan menentukan pelbagai parameter seperti paksi, gabungan dan kekunci.
- sertai (): Ini ialah kaedah mudah yang tersedia pada objek DataFrame untuk melaksanakan operasi gabungan. Ia pada asasnya adalah pembalut di sekeliling fungsi merge(), dengan DataFrame kiri diandaikan sebagai DataFrame pemanggil.
Kesimpulannya, dengan menggunakan fungsi `merge()` panda, anda boleh menyertai DataFrames dengan mudah dengan kekunci bukan unik. Set parameter kaya yang tersedia dalam fungsi `merge()` menawarkan kawalan penuh ke atas proses penyatuan, memenuhi pelbagai keperluan manipulasi data. Perpustakaan panda terus menjadi alat yang sangat diperlukan untuk penganalisis data dan ia menawarkan pelbagai fungsi lain untuk menggabungkan dan memanipulasi DataFrames dengan cekap.
