<\/p>\n
Funkcja zapobiegaj\u0105ca \u0142\u0105czeniu<\/strong> pozwala zwr\u00f3ci\u0107 wszystkie wiersze w jednym zbiorze danych, kt\u00f3re nie maj\u0105 pasuj\u0105cych warto\u015bci w innym zbiorze danych.<\/span><\/p>\n Mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej sk\u0142adni, aby wykona\u0107 zabezpieczenie przed po\u0142\u0105czeniem dw\u00f3ch ramek DataFrame pand:<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak zastosowa\u0107 t\u0119 sk\u0142adni\u0119 w praktyce.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105ce dwie ramki danych pandy:<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 poni\u017cszego kodu, aby zwr\u00f3ci\u0107 wszystkie wiersze z pierwszej ramki danych, kt\u00f3re nie maj\u0105 pasuj\u0105cego zespo\u0142u w drugiej ramce danych:<\/span><\/p>\n Widzimy, \u017ce istniej\u0105 dok\u0142adnie dwa zespo\u0142y z pierwszej ramki danych, kt\u00f3re nie maj\u0105 pasuj\u0105cej nazwy zespo\u0142u w drugiej ramce danych.<\/span><\/p>\n Funkcja zapobiegaj\u0105ca \u0142\u0105czeniu dzia\u0142a\u0142a zgodnie z oczekiwaniami.<\/span><\/p>\n Efektem ko\u0144cowym jest ramka danych zawieraj\u0105ca tylko wiersze, w kt\u00f3rych nazwa zespo\u0142u nale\u017cy do pierwszej ramki danych, ale nie do drugiej ramki danych.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w pandach:<\/span><\/p>\n Jak wykona\u0107 po\u0142\u0105czenie wewn\u0119trzne w Pandach<\/a> Funkcja zapobiegaj\u0105ca \u0142\u0105czeniu pozwala zwr\u00f3ci\u0107 wszystkie wiersze w jednym zbiorze danych, kt\u00f3re nie maj\u0105 pasuj\u0105cych warto\u015bci w innym zbiorze danych. Mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej sk\u0142adni, aby wykona\u0107 zabezpieczenie przed po\u0142\u0105czeniem dw\u00f3ch ramek DataFrame pand: outer = df1. merge (df2, how=’ outer ’, indicator= True ) anti_join = outer[(outer._merge==’ left_only ’)]. drop (’ _merge ’, axis= 1 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3435","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n outer = df1. merge<\/span> (df2, how=' outer<\/span> ', indicator= True<\/span> )\n\nanti_join = outer[(outer._merge==' left_only<\/span> ')]. drop<\/span> (' _merge<\/span> ', axis= 1<\/span> )\n<\/strong><\/pre>\n Przyk\u0142ad: wykonanie operacji zapobiegaj\u0105cej \u0142\u0105czeniu w Pandach<\/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', 'E'],\n ' points<\/span> ': [18, 22, 19, 14, 30]})\n\nprint<\/span> (df1)\n\n team points\n0 to 18\n1 B 22\n2 C 19\n3 D 14\n4 E 30\n\n#create second DataFrame\n<\/span>df2 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'F', 'G'],\n ' points<\/span> ': [18, 22, 19, 22, 29]})\n\nprint<\/span> (df2)\n\n team points\n0 to 18\n1 B 22\n2 C 19\n3 F 22\n4 G 29\n<\/strong><\/span><\/pre>\n #perform outer join<\/span>\nouter = df1. merge<\/span> (df2, how=' outer<\/span> ', indicator= True<\/span> )\n\n#perform anti-join\n<\/span>anti_join = outer[(outer._merge==' left_only<\/span> ')]. drop<\/span> (' _merge<\/span> ', axis= 1<\/span> )\n\n#view results\n<\/span>print<\/span> (anti_join)\n\n team points\n3 D 14\n4 E 30<\/strong><\/pre>\n Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak wykona\u0107 lewe po\u0142\u0105czenie w Pandach<\/a>
Jak wykona\u0107 po\u0142\u0105czenie krzy\u017cowe w Pandach<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"