Jak połączyć wiele ramek danych w pandach (z przykładem)

Możesz użyć następującej składni, aby połączyć wiele ramek danych jednocześnie w pandach:

 import pandas as pd
from functools import reduce

#define list of DataFrames
dfs = [df1, df2, df3]

#merge all DataFrames into one
final_df = reduce(lambda left,right: pd.merge (left,right,on=[' column_name '],
                                            how=' outer '), dfs)

Poniższy przykład pokazuje, jak zastosować tę składnię w praktyce:

Przykład: Połącz wiele ramek danych w Pandach

Załóżmy, że mamy następujące trzy ramki danych pandy, które zawierają informacje o koszykarzach z różnych drużyn:

 import pandas as pd

#createDataFrames
df1 = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D'],
                    ' points ': [18, 22, 19, 14]})

df2 = pd. DataFrame ({' team ': ['A', 'B', 'C'],
                    ' assists ': [4, 9, 14]})

df3 = pd. DataFrame ({' team ': ['C', 'D', 'E', 'F'],
                    ' rebounds ': [10, 17, 11, 10]})

#view DataFrames
print (df1)

  team points
0 to 18
1 B 22
2 C 19
3 D 14

print (df2)

  team assists
0 to 4
1 B 9
2 C 14

print (df3)

  team rebounds
0 C 10
1 D 17
2 E 11
3 F 10

Możemy użyć następującej składni, aby połączyć trzy ramki danych w jedną:

 from functools import reduce

#define list of DataFrames
dfs = [df1, df2, df3]

#merge all DataFrames into one
final_df = reduce(lambda left,right: pd.merge (left,right,on=[' team '],
                                            how=' outer '), dfs)

#view merged DataFrame
print (final_df)

  team points assists rebounds
0 A 18.0 4.0 NaN
1 B 22.0 9.0 NaN
2 C 19.0 14.0 10.0
3 D 14.0 NaN 17.0
4 E NaN NaN 11.0
5 F NaN NaN 10.0

Efektem końcowym jest ramka DataFrame zawierająca informacje ze wszystkich trzech ramek DataFrame.

Należy pamiętać, że wartości NaN służą do wypełniania pustych komórek w końcowej ramce DataFrame.

Aby użyć wartości innej niż NaN do wypełnienia pustych komórek, możesz użyć funkcji fillna() :

 from functools import reduce

#define list of DataFrames
dfs = [df1, df2, df3]

#merge all DataFrames into one
final_df = reduce(lambda left,right: pd.merge (left,right,on=[' team '],
                                            how=' outer '), dfs). fillna (' none ')

#view merged DataFrame
print (final_df)

  team points assists rebounds
0 A 18.0 4.0 none
1 B 22.0 9.0 none
2 C 19.0 14.0 10.0
3 D 14.0 none 17.0
4 E none none 11.0
5 F none none 10.0

Każda z pustych komórek jest teraz wypełniona wartością „ brak ” zamiast NaN .

Uwaga : Pełną dokumentację funkcji scalania w pandach znajdziesz tutaj .

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe operacje na pandach:

Jak połączyć dwie ramki danych Pandas w pliku Index
Jak połączyć ramki danych Pandas w wielu kolumnach
Jak układać wiele ramek danych Pand