Python - ผสาน Pandas DataFrame เข้ากับ Right Outer Join

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

how = “right”

ขั้นแรก ให้เรานำเข้าไลบรารีแพนด้าด้วยนามแฝง -

import pandas as pd

สร้างดาต้าเฟรมสองอันที่จะรวมเข้าด้วยกัน -

# 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 "right" ในพารามิเตอร์ "how" ใช้ Right Outer Join -

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

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 "right" in "how" parameter implements Right Outer Join
mergedRes = pd.merge(dataFrame1, dataFrame2, on ='Car', how ="right")
print"\nMerged dataframe with right 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 right outer join...
        Car   Units   Reg_Price
0       BMW   100.0        7000
1     Lexus   150.0        1500
2   Mustang    80.0        8000
3    Jaguar    90.0        6000
4     Tesla     NaN        5000
5  Mercedes     NaN        9000