Merge и Concat
Урок 17 из 19 курса Аналитика в pandas на Coddy.
В реальном мире данные часто поступают из нескольких таблиц или файлов. Чтобы связать и проанализировать эти данные, мы должны уметь объединять наборы данных. Для объединения датафреймов мы можем использовать .merge(), .join() и .concat().
.merge() похож на операцию JOIN в SQL; он соединяет столбцы или индексы в датафрейме на основе одного или нескольких ключей:
merged_df = df1.merge(df2, on='common_column')Например, эти две таблицы:
| ID | VALUE |
| 1 | "val1" |
| 2 | "val2 |
| ID | POINTS |
| 1 | 9 |
Станут:
| ID | VALUE | POINTS |
| 1 | "val1" | 9 |
Функция .concat() используется для добавления строк одного датафрейма в конец другого, возвращая новый датафрейм. Эта операция похожа на операцию 'UNION' в SQL:
concatenated_df = pd.concat([df1, df2])
Задание
ЛегкоCSV-файл visits.csv содержит информацию о том, сколько посещений было совершено в определенном месте в определенное время.
Вот первые 5 строк файла:
location_id,visits,timestamp
8,1771,27498
9,4187,79919
0,4959,54228
6,7721,41588Вычислите min, max, mean, std, sum и median для каждого идентификатора местоположения и объедините их в один датафрейм. Переименуйте столбцы в:
sum_visits, min_visits, max_visits, mean_visits, std_visits и median_visits.
Итоговый датафрейм должен выглядеть следующим образом:
| location_id | sum_visits | min_visits | max_visits | mean_visits | std_visits | median_visits |
| ... | ... | ... | ... | ... | ... | ... |
Сохраните результат в df.
Попробуйте сами
# pandas как pd уже импортирован
df = pd.read_csv("./visits.csv")
sum_visits = df.groupby("location_id").sum()
min_visits = df.groupby("location_id").min()
max_visits = df.groupby("location_id").max()
mean_visits = df.groupby("location_id").mean()
std_visits = df.groupby("location_id").std()
median_visits = df.groupby("location_id").median()
# Напишите свой код ниже
Все уроки раздела Аналитика в pandas
4Анализ данных с Pandas
Описательная статистикаГруппировка и агрегация данныхРазличные агрегацииMerge и Concat3Манипуляции с данными в Pandas
Возврат нужного результатаФильтрация данныхДобавление и удалениеИзменение данныхИзменение строкПользовательские изменения