English | 简体中文 | 繁體中文 | Русский язык | Français | Español | Português | Deutsch | 日本語 | 한국어 | Italiano | بالعربية

Tutorial de Pandas

Conexión de Pandas

Ejemplo de operación de conexión de Pandas

Pandas tiene operaciones de unión en memoria de alta velocidad y completamente funcional que son muy similares a las bases de datos relacionales como SQL.
Pandas proporciona una única función merge como punto de entrada para todas las operaciones de unión estándar entre objetos DataFrame.

　pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None,
　left_index=False, right_index=False, sort=True)

Aquí, hemos utilizado los siguientes parámetros:

a la izquierda − Un objeto DataFrame. a la derecha − Otro objeto DataFrame. on − La columna (nombre) se agrega aquí. Debe encontrarse en ambos objetos DataFrame. left_on − Las columnas del DataFrame izquierdo se utilizan como clave. Puede ser el nombre de la columna o un array de longitud igual a la longitud del DataFrame. right_on − Las columnas del DataFrame derecho se utilizan como clave. Puede ser el nombre de la columna o un array de longitud igual a la longitud del DataFrame. left_index − Si es True, se utiliza el índice izquierdo (etiqueta de fila) del DataFrame izquierdo como su clave de conexión. Si el DataFrame tiene MultiIndex (jerárquico), el número de niveles debe coincidir con el número de claves de conexión en el DataFrame derecho. right_index − Usado de manera idéntica como left_index para el marco de datos correcto. how − Uno de los siguientes: 'izquierda', 'derecha', 'exterior', 'interior'. Por defecto, es interno. Cada método se describe a continuación. sort − Los datos resultantes de la ordenación se insertan en el cuadro de datos en orden diccionario. Por defecto, es True, en muchos casos, establecerlo en False aumentará significativamente el rendimiento.

现在让我们创建两个不同的DataFrame并对其执行合并操作。

#　import　the　pandas　library
　import pandas as pd
　left = pd.DataFrame({
　　　　'id': [1,2,3,4,5,
　　　　'Nombre': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],12465']})
　right　=　pd.DataFrame(
　　　　{'id':[1,2,3,4,5,
　　　　'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],24365})
　print(left
　print(right)

Los resultados de la ejecución son los siguientes:

　　　　　　Name　　id　　　subject_id
0　　　Alex　　　1　　　　　　　　　sub1
1　　　　Amy　　　2　　　　　　　　　sub2
2　　Allen　　　3　　　　　　　　　sub4
3　　Alice　　　4　　　　　　　　　sub6
4　　Ayoung　　5　　　　　　　　　sub5
　　　　Name　　id　　　subject_id
0　　Billy　　　1　　　　　　　　　sub2
1　　Brian　　　2　　　　　　　　　sub4
2　　Bran　　　　3　　　　　　　　　sub3
3　　Bryce　　　4　　　　　　　　　sub6
4　　Betty　　　5　　　　　　　　　sub5

combinar dos DataFrames en una clave

　import pandas as pd
　left = pd.DataFrame({
　　　　'id': [1,2,3,4,5,
　　　　'Nombre': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],12465']})
　right = pd.DataFrame({
　'id': [1,2,3,4,5,
　　　　'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],24365']})
　print(pd.merge(left, right, on='id'))

Los resultados de la ejecución son los siguientes:

　　　　　Name　　id　　subject_id_x　　　Name_y　　　subject_id_y
0　　Alex　　　　　　1　　　　　　　　　　sub1　　　　Billy　　　　　　　　　　　sub2
1　　Amy　　　　　　　2　　　　　　　　　　sub2　　　　Brian　　　　　　　　　　　sub4
2　　Allen　　　　　3　　　　　　　　　　sub4　　　　　Bran　　　　　　　　　　　sub3
3　　Alice　　　　　4　　　　　　　　　　sub6　　　　Bryce　　　　　　　　　　　sub6
4　　Ayoung　　　　5　　　　　　　　　　sub5　　　　Betty　　　　　　　　　　　sub5

combinar dos DataFrames en múltiples claves

　import pandas as pd
　left = pd.DataFrame({
　　　　'id': [1,2,3,4,5,
　　　　'Nombre': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],12465']})
　right = pd.DataFrame({
　'id': [1,2,3,4,5,
　　　　'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],24365']})
　print(pd.merge(left, right, on=['id', 'subject_id']))

Los resultados de la ejecución son los siguientes:

　　　　　　Name_x　　　id　　　subject_id　　　Name_y
0　　　　Alice　　　　4　　　　　　　　　sub6　　　　Bryce
1　　　Ayoung　　　　5　　　　　　　　　sub5　　　　Betty

combinación usando el parámetro 'how'

el parámetro how de combinación especifica cómo determinar qué claves deben incluirse en la tabla de resultados. Si la clave combinada no aparece en ninguna de las tablas izquierda o derecha, el valor en la tabla de combinación es NA.

aquí hay un resumen de cómo elegir y sus nombres equivalentes SQL:

método de combinaciónequivalente SQLdescripción
a la izquierdaLEFT OUTER JOINusar la clave del objeto izquierdo
a la derechaRIGHT OUTER JOINusar la clave correcta del objeto
externoFULL OUTER JOINusar la clave combinada
internoJOIN INTERNOusar la intersección de las claves

unión a la izquierda

　import pandas as pd
　left = pd.DataFrame({
　　　　'id': [1,2,3,4,5,
　　　　'Nombre': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],12465']})
　right = pd.DataFrame({
　　　　'id': [1,2,3,4,5,
　　　　'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],24365']})
　print(pd.merge(left, right, on='subject_id', how='left'))

Los resultados de la ejecución son los siguientes:

　　　　　　Nombre_x　　　id_x　　　subject_id　　　Nombre_y　　　id_y
0　　　　　Alex　　　　　　1　　　　　　　　　sub1　　　　　　NaN　　　　NaN
1　　　　　　Amy　　　　　　2　　　　　　　　　sub2　　　　Billy　　　　1.0
2　　　　Allen　　　　　　3　　　　　　　　　sub4　　　　Brian　　　　2.0
3　　　　Alice　　　　　　4　　　　　　　　　sub6　　　　Bryce　　　　4.0
4　　　Ayoung　　　　　　5　　　　　　　　　sub5　　　　Betty　　　　5.0

unión a la derecha

　import pandas as pd
　left = pd.DataFrame({
　　　　'id': [1,2,3,4,5,
　　　　'Nombre': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],12465']})
　right = pd.DataFrame({
　　　　'id': [1,2,3,4,5,
　　　　'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],24365']})
　print(pd.merge(left, right, on='subject_id', how='right'))

Los resultados de la ejecución son los siguientes:

　　　　　　Name_x　　id_x　　　subject_id　　　Name_y　　　id_y
0　　　　　　Amy　　　2.0　　　　　　　　　sub2　　　　Billy　　　　　　1
1　　　　Allen　　　3.0　　　　　　　　　sub4　　　　Brian　　　　　　2
2　　　　Alice　　　4.0　　　　　　　　　sub6　　　　Bryce　　　　　　4
3　　　Ayoung　　　5.0　　　　　　　　　sub5　　　　Betty　　　　　　5
4　　　　　　NaN　　　NaN　　　　　　　　　sub3　　　　　Bran　　　　　　3

unión externa

　import pandas as pd
　left = pd.DataFrame({
　　　　'id': [1,2,3,4,5,
　　　　'Nombre': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],12465']})
　right = pd.DataFrame({
　　　　'id': [1,2,3,4,5,
　　　　'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],24365']})
　print(pd.merge(left, right, how='outer', on='subject_id'))

Los resultados de la ejecución son los siguientes:

　　　　　　Name_x　　id_x　　　subject_id　　　Name_y　　　id_y
0　　　　　Alex　　　1.0　　　　　　　　　sub1　　　　　　NaN　　　　NaN
1　　　　　　Amy　　　2.0　　　　　　　　　sub2　　　　Billy　　　　1.0
2　　　　Allen　　　3.0　　　　　　　　　sub4　　　　Brian　　　　2.0
3　　　　Alice　　　4.0　　　　　　　　　sub6　　　　Bryce　　　　4.0
4　　　Ayoung　　　5.0　　　　　　　　　sub5　　　　Betty　　　　5.0
5　　　　　　NaN　　　NaN　　　　　　　　　sub3　　　　　Bran　　　　3.0

Conexión interna

La conexión se ejecutará en el índice. La operación de unión acepta el objeto que la llama. Por lo tanto, a.join(b) no es igual a b.join(a).

　import pandas as pd
　left = pd.DataFrame({
　　　　'id': [1,2,3,4,5,
　　　　'Nombre': ['Alex', 'Amy', 'Allen', 'Alice', 'Ayoung'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],12465']})
　right = pd.DataFrame({
　　　　'id': [1,2,3,4,5,
　　　　'],
　　　　'Nombre': ['Billy', 'Brian', 'Bran', 'Bryce', 'Betty'],24365']})
　print(pd.merge(left, right, on='subject_id', how='inner'))

Los resultados de la ejecución son los siguientes:

　　　　　　Nombre_x　　　id_x　　　subject_id　　　Nombre_y　　　id_y
0　　　　　　Amy　　　　　　2　　　　　　　　　sub2　　　　Billy　　　　　　1
1　　　　Allen　　　　　　3　　　　　　　　　sub4　　　　Brian　　　　　　2
2　　　　Alice　　　　　　4　　　　　　　　　sub6　　　　Bryce　　　　　　4
3　　　Ayoung　　　　　　5　　　　　　　　　sub5　　　　Betty　　　　　　5
Operaciones SQL de PandasGroupBy de Pandas