<\/p>\n
Fungsi cbind<\/strong> di R, kependekan dari Column-bind<\/em> , dapat digunakan untuk menggabungkan frame data berdasarkan kolomnya.<\/span><\/p>\n Kita dapat menggunakan fungsi pandas concat()<\/a> untuk melakukan fungsi yang setara dengan Python:<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan fungsi ini dalam praktiknya.<\/span><\/p>\n Mari kita asumsikan kita memiliki dua panda DataFrames berikut:<\/span><\/p>\n Kita dapat menggunakan fungsi concat()<\/strong> untuk menghubungkan kedua DataFrame ini dengan cepat berdasarkan kolomnya:<\/span><\/p>\n Mari kita asumsikan kita memiliki dua panda DataFrames berikut:<\/span><\/p>\n Perhatikan bahwa kedua DataFrame tidak memiliki nilai indeks yang sama.<\/span><\/p>\n Jika kita mencoba menggunakan fungsi concat()<\/strong> untuk menghubungkan keduanya, kita akan mendapatkan hasil sebagai berikut:<\/span><\/p>\n Ini bukanlah hasil yang kami inginkan.<\/span><\/p>\n Untuk mengatasi masalah ini, pertama-tama kita perlu menyetel ulang indeks setiap DataFrame sebelum menggabungkannya:<\/span><\/p>\n Perhatikan bahwa DataFrame ini cocok dengan yang kita dapatkan pada contoh sebelumnya.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan operasi umum lainnya dengan Python:<\/span><\/p>\n Cara menggabungkan dua Pandas DataFrames di index Fungsi cbind di R, kependekan dari Column-bind , dapat digunakan untuk menggabungkan frame data berdasarkan kolomnya. Kita dapat menggunakan fungsi pandas concat() untuk melakukan fungsi yang setara dengan Python: df3 = pd. concat ([df1, df2], axis= 1 ) Contoh berikut menunjukkan cara menggunakan fungsi ini dalam praktiknya. Contoh 1: Gunakan cbind dengan Python dengan nilai […]<\/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 df3 = pd. concat<\/span> ([df1, df2], axis= 1<\/span> )\n<\/strong><\/pre>\n Contoh 1: Gunakan cbind dengan Python dengan nilai indeks yang sama<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#define DataFrames\ndf1 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' points<\/span> ': [99, 91, 104, 88, 108]})\n\nprint<\/span> (df1)\n\n team points\n0 to 99\n1 B 91\n2 C 104\n3 D 88\n4 E 108\n\ndf2 = pd. DataFrame<\/span> ({' assists<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' rebounds<\/span> ': [22, 19, 25, 33, 29]})\n\nprint<\/span> (df2)\n\n rebound assists\n0 to 22\n1 B 19\n2 C 25\n3 D 33\n4 E 29\n<\/span><\/span><\/strong><\/pre>\n #column-bind two DataFrames into new DataFrame\ndf3 = pd. concat<\/span> ([df1, df2], axis= 1<\/span> )\n\n#view resulting DataFrame<\/span>\ndf3\n\n\tteam points assists rebounds\n0 to 99 to 22\n1 B 91 B 19\n2 C 104 C 25\n3 D 88 D 33\n4 E 108 E 29<\/span><\/span><\/strong><\/pre>\n Contoh 2: Menggunakan cbind dengan Python dengan Nilai Indeks Tidak Sama<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#define DataFrames\ndf1 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' points<\/span> ': [99, 91, 104, 88, 108]})\n\nprint<\/span> (df1)\n\n team points\n0 to 99\n1 B 91\n2 C 104\n3 D 88\n4 E 108\n\ndf2 = pd. DataFrame<\/span> ({' assists<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' rebounds<\/span> ': [22, 19, 25, 33, 29]})\n\ndf2. index<\/span> = [6, 7, 8, 9, 10]\n\nprint<\/span> (df2)\n\n rebound assists\n6 to 22\n7 B 19\n8 C 25\n9 D 33\n10 E 29\n<\/span><\/span><\/strong><\/pre>\n #attempt to column-bind two DataFrames\ndf3 = pd. concat<\/span> ([df1, df2], axis= 1<\/span> )\n\n#view resulting DataFrame\n<\/span>df3\n\n\tteam points assists rebounds\n0 to 99.0 NaN NaN\n1 B 91.0 NaN NaN\n2 C 104.0 NaN NaN\n3 D 88.0 NaN NaN\n4 E 108.0 NaN NaN\n6 NaN NaN A 22.0\n7 NaN NaN B 19.0\n8 NaN NaN C 25.0\n9 NaN NaN D 33.0\n10 NaN NaN E 29.0<\/span><\/span><\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#define DataFrames\ndf1 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' points<\/span> ': [99, 91, 104, 88, 108]})\n\ndf2 = pd. DataFrame<\/span> ({' assists<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' rebounds<\/span> ': [22, 19, 25, 33, 29]})\n\ndf2. index<\/span> = [6, 7, 8, 9, 10]\n\n#reset index of each DataFrame\n<\/span>df1. reset_index<\/span> (drop= True<\/span> , place= True<\/span> )\ndf2. reset_index<\/span> (drop= True<\/span> , place= True<\/span> )\n\n#column-bind two DataFrames\n<\/span>df3 = pd. concat<\/span> ([df1, df2], axis= 1<\/span> )\n\n#view resulting DataFrame\n<\/span>df3\n\n\tteam points assists rebounds\n0 to 99 to 22\n1 B 91 B 19\n2 C 104 C 25\n3 D 88 D 33\n4 E 108 E 29<\/span><\/span><\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara menggabungkan Pandas DataFrames di beberapa kolom<\/a>
Bagaimana melakukan VLOOKUP di Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"