<\/p>\n
Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um einen Cross-Join in Pandas durchzuf\u00fchren:<\/span><\/p>\n Das folgende Beispiel zeigt, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen.<\/span><\/p>\n Nehmen wir an, wir haben die folgenden zwei Panda-DataFrames:<\/span><\/p>\n Der folgende Code zeigt, wie ein Cross-Join f\u00fcr die beiden DataFrames durchgef\u00fchrt wird:<\/span><\/span><\/p>\n Das Ergebnis ist ein DataFrame, der alle m\u00f6glichen Zeilenkombinationen aus jedem DataFrame enth\u00e4lt.<\/span><\/p>\n Beispielsweise<\/span> enth\u00e4lt die erste Zeile des ersten DataFrame Team A<\/strong> und 18<\/strong> Punkte. Diese Zeile entspricht jeder Zeile des zweiten DataFrame.<\/span><\/p>\n Dann enth\u00e4lt die zweite Zeile des ersten DataFrame Team B<\/strong> und 22<\/strong> Punkte. Diese Zeile entspricht auch jeder Zeile des zweiten DataFrame.<\/span><\/p>\n Das Endergebnis ist ein DataFrame mit 12 Zeilen.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Aufgaben in Pandas ausf\u00fchren:<\/span><\/p>\n So f\u00fchren Sie einen Links-Join in Pandas durch<\/a> Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um einen Cross-Join in Pandas durchzuf\u00fchren: #create common key df1[‚ key ‚] = 0 df2[‚ key ‚] = 0 #outer merge on common key (eg a cross join) df1. merge (df2, on=‘ key ‚, how=‘ outer ‚) Das folgende Beispiel zeigt, wie Sie diese Funktion in der Praxis […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n #create common key\n<\/span>df1[' key<\/span> '] = 0\ndf2[' key<\/span> '] = 0\n\n#outer merge on common key (eg a cross join)\n<\/span>df1. merge<\/span> (df2, on=' key<\/span> ', how=' outer<\/span> ')\n<\/strong><\/pre>\n Beispiel: Durchf\u00fchren eines Cross Joins in Pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#create first DataFrame\n<\/span>df1 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D'],\n ' points<\/span> ': [18, 22, 19, 14]})\n\nprint<\/span> (df1)\n\n team points\n0 to 18\n1 B 22\n2 C 19\n3 D 14\n\n#create second DataFrame\n<\/span>df2 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'F'],\n ' assists<\/span> ': [4, 9, 8]})\n\nprint<\/span> (df2)\n\n team assists\n0 to 4\n1 B 9\n2 F 8\n<\/strong><\/span><\/pre>\n #create common key\ndf1[' key<\/span> '] = 0\ndf2[' key<\/span> '] = 0\n\n#perform cross join\n<\/span>df3 = df1. merge<\/span> (df2, on=' key<\/span> ', how=' outer<\/span> ')\n\n#drop key column\n<\/span>del<\/span> df3[' key<\/span> ']\n\n#view results\n<\/span>print<\/span> (df3)\n\n team_x points team_y assists\n0 A 18 A 4\n1 A 18 B 9\n2 A 18 F 8\n3 B 22 A 4\n4 B 22 B 9\n5 B 22 F 8\n6 C 19 A 4\n7 C 19 B 9\n8 C 19 F 8\n9 D 14 A 4\n10 D 14 B 9\n11 D 14 F 8<\/span><\/span><\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So f\u00fchren Sie einen Links-Join in Pandas durch<\/a>
Pandas beitreten oder fusionieren: Was ist der Unterschied?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"