Python - ผสาน Pandas DataFrame กับ Left Outer Join

ในการผสาน Pandas DataFrame ให้ใช้ ผสาน () การทำงาน. การรวมภายนอกด้านซ้ายถูกนำไปใช้กับทั้ง DataFrames โดยการตั้งค่าภายใต้ “วิธี ” พารามิเตอร์ของฟังก์ชัน merge() เช่น −

how = “left”

ขั้นแรก ให้เรานำเข้าไลบรารีแพนด้าด้วยนามแฝง -

import pandas as pd

มาสร้าง DataFrames สองอันที่จะรวมเข้าด้วยกัน -

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

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

   }
)

รวม DataFrames กับ Car คอลัมน์ทั่วไปและ "left" ในพารามิเตอร์ "how" ใช้ Left Outer Join -

mergedRes = pd.merge(dataFrame1, dataFrame2, on ='Car', how ="left")

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 common column Car and "left" in "how" parameter implements Left Outer Join
mergedRes = pd.merge(dataFrame1, dataFrame2, on ='Car', how ="left")
print"\nMerged dataframe with left outer join...\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 left outer join...
       Car   Units   Reg_Price
0      BMW     100      7000.0
1    Lexus     150      1500.0
2     Audi     110         NaN
3  Mustang      80      8000.0
4  Bentley     110         NaN
5   Jaguar      90      6000.0