Python - ผสาน Pandas DataFrame กับ Inner Join

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

how = “inner”

ขั้นแรก ให้เรานำเข้าไลบรารีแพนด้าด้วยนามแฝง -

import pandas as pd

สร้าง DataFrame1 -

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

ตอนนี้ สร้าง DataFrame2 -

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

   }
)

รวม DataFrames กับ Car คอลัมน์ทั่วไปและ "inner" ในพารามิเตอร์ "how" ใช้ Inner Join -

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

ตัวอย่าง

ต่อไปนี้เป็นรหัส -

#
# Merge Pandas DataFrame with Inner Join
#

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 "inner" in "how" parameter implements Inner Join
mergedRes = pd.merge(dataFrame1, dataFrame2, on ='Car', how ="inner")
print"\nMerged dataframe with inner 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 inner join...
       Car   Units   Reg_Price
0      BMW    100      7000
1    Lexus    150      1500
2  Mustang     80      8000
3   Jaguar     90      6000