pandas 바인딩
결합 방법
사용 df
import pandas as pd
df1 = pd.DataFrame({
"ID" : [1,2,3],
"Country" : ["鈴木","中村","小島"],
})
df2 = pd.DataFrame({
"ID" : [2,3,4],
"Address" : ["Hikone","Tokyo","Nagoya"],
})
concat 조인
간단하게 오른쪽에 달라붙는가, 아래에 달라붙는가.
오른쪽으로 붙어
concat_df = pd.concat([df1, df2], axis=1)
아래에 달라붙다
concat_df = pd.concat([df1, df2], axis=0)
merge 조인
키(ID)에 묶어 결합한다.
내부 조인
두 개의 df 키가 일치하는 데이터만 추출
inner_df = pd.merge(df1, df2, on="ID", how="inner")
외부 조인
2개의 df의 키에 묶는 데이터를 모두 추출
outer_df = pd.merge(df1, df2, on="ID", how="outer")
왼쪽 조인
(인수로) 왼쪽 지정된 df의 키와 일치하는 데이터 추출
left_df = pd.merge(df1, df2, on="ID", how="left")
오른쪽 결합
(인수로) 오른쪽으로 지정된 df 키와 일치하는 데이터 추출
right_df = pd.merge(df1, df2, on="ID", how="right")
누출 없이 데이터를 결합하고 싶은지, 어디에 결손을 내고 싶지 않은지,로 구분하여 사용할 수 있는 느낌이군요.
Reference
이 문제에 관하여(pandas 바인딩), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/roadto93ds/items/44eac7c725eac0a6b6a4
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
concat_df = pd.concat([df1, df2], axis=1)
concat_df = pd.concat([df1, df2], axis=0)
키(ID)에 묶어 결합한다.
내부 조인
두 개의 df 키가 일치하는 데이터만 추출
inner_df = pd.merge(df1, df2, on="ID", how="inner")
외부 조인
2개의 df의 키에 묶는 데이터를 모두 추출
outer_df = pd.merge(df1, df2, on="ID", how="outer")
왼쪽 조인
(인수로) 왼쪽 지정된 df의 키와 일치하는 데이터 추출
left_df = pd.merge(df1, df2, on="ID", how="left")
오른쪽 결합
(인수로) 오른쪽으로 지정된 df 키와 일치하는 데이터 추출
right_df = pd.merge(df1, df2, on="ID", how="right")
누출 없이 데이터를 결합하고 싶은지, 어디에 결손을 내고 싶지 않은지,로 구분하여 사용할 수 있는 느낌이군요.
Reference
이 문제에 관하여(pandas 바인딩), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/roadto93ds/items/44eac7c725eac0a6b6a4텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)