Computer >> คอมพิวเตอร์ >  >> การเขียนโปรแกรม >> Python

Python Pandas – ผสาน DataFrame เข้ากับความสัมพันธ์แบบหนึ่งต่อกลุ่ม


ในการผสาน Pandas DataFrame ให้ใช้ merge() การทำงาน. ความสัมพันธ์แบบหนึ่งต่อกลุ่ม ถูกนำไปใช้กับทั้ง DataFrames โดยการตั้งค่าภายใต้ “ตรวจสอบ ” พารามิเตอร์ของฟังก์ชัน merge() เช่น −

validate = “one-to-many”
or
validate = “1:m”

ความสัมพันธ์แบบหนึ่งต่อกลุ่มจะตรวจสอบว่าคีย์ผสานไม่ซ้ำกันในชุดข้อมูลด้านซ้ายหรือไม่

ขั้นแรก ให้เราสร้าง 1 st . ของเรา ดาต้าเฟรม -

dataFrame1 = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'],"Units": [100, 150, 110, 80, 110, 90]
   }
)

ตอนนี้ ให้เราสร้าง 2 nd . ของเรา ดาต้าเฟรม -

dataFrame2 = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],"Reg_Price": [7000, 1500, 5000, 8000, 9000, 6000]
   }
)

ตัวอย่าง

ต่อไปนี้เป็นรหัส -

import pandas as pd

# Create DataFrame1
dataFrame1 = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'],"Units": [100, 150, 110, 80, 110, 90]
   }
)

print("DataFrame1 ...\n",dataFrame1)

# Create DataFrame2
dataFrame2 = pd.DataFrame(
   {
      "Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],"Reg_Price": [7000, 1500, 5000, 8000, 9000, 6000]

   }
)

print("\nDataFrame2 ...\n",dataFrame2)

# merge DataFrames with "one-to-many" in "validate" parameter
mergedRes = pd.merge(dataFrame1, dataFrame2, validate ="one_to_many")
print("\nMerged dataframe with one-to-many relation...\n", mergedRes)

ผลลัพธ์

สิ่งนี้จะสร้างผลลัพธ์ต่อไปนี้ -

DataFrame1 ...
       Car   Units
0      BMW     100
1    Lexus     150
2     Audi     110
3  Mustang      80
4  Bentley     110
5   Jaguar      90
DataFrame2 ...
        Car   Reg_Price
0       BMW        7000
1     Lexus        1500
2     Tesla        5000
3   Mustang        8000
4  Mercedes        9000
5    Jaguar        6000
Merged dataframe with one-to-many realtion ...
       Car   Units   Reg_Price
0      BMW     100        7000
1    Lexus     150        1500
2  Mustang      80        8000
3   Jaguar      90        6000