Python - ผสาน Pandas DataFrame กับ Outer Join

ในการผสาน Pandas DataFrame ให้ใช้ฟังก์ชัน merge() การรวมภายนอกถูกนำไปใช้กับ DataFrames ทั้งสองโดยการตั้งค่าภายใต้พารามิเตอร์ "how" ของฟังก์ชัน merge() เช่น -

how = “outer”

ขั้นแรก ให้เรานำเข้าไลบรารีแพนด้าด้วยนามแฝง -

import pandas as pd

ให้เราสร้าง DataFrame1 -

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

ให้เราสร้าง DataFrame2 -

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

   }
)

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

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

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 "outer" in "how" parameter implements Outer Join
mergedRes = pd.merge(dataFrame1, dataFrame2, on ='Car', how ="outer")
print"\nMerged dataframe with 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 outer join...
        Car   Units  Reg_Price
0       BMW   100.0     7000.0
1     Lexus   150.0     1500.0
2      Audi   110.0        NaN
3   Mustang   80.0      8000.0
4   Bentley   110.0        NaN
5    Jaguar   90.0      6000.0
6     Tesla   NaN       5000.0
7  Mercedes   NaN       9000.0