Zwei DataFrames in pandas zusammenführen
In dieser Lektion führst du mit der Methode merge() zwei DataFrames über eine gemeinsame Schlüsselspalte zusammen.
Einführung
Das Problem
Zusammengehörige Daten liegen oft in getrennten Tabellen: Schülernamen in einer, Punktzahlen in einer anderen, verbunden über eine Schüler-ID. Um sie gemeinsam auszuwerten, musst du Zeilen über diesen gemeinsamen Schlüssel zuordnen, wie bei einem Datenbank-Join.
Stell es dir so vor
Tabellen zusammenzuführen ist, als würdest du Namensschilder und Klausuren über die Schülernummer zuordnen. Du legst die beiden Stapel nebeneinander und heftest Schild und Klausur mit derselben Nummer zusammen.
students🏷️ Namensschilder mit einer idscores📝 Klausuren mit einer idmerge(scores, on="id")📎 Die mit derselben id zusammenheftenid, name, score📋 Eine Zeile pro zugeordnetem Schülermerge verbindet zwei DataFrames, indem es Werte in einer oder mehreren Schlüsselspalten zuordnet. Standardmäßig behält es nur Schlüssel, die in beiden Tabellen vorkommen (ein Inner Join).
Das Wichtigste
students.merge(scores, on="id")ordnet Zeilen mit derselbenideinander zu.- Jede Ergebniszeile hat die Spalten beider Tabellen: id, name und score.
- Standardmäßig bleiben nur ids, die in beiden Tabellen vorkommen.
- Die Spalte
iderscheint einmal, weil sie der Schlüssel ist.
Wann verwendet man das?
- Tabellen aus einer Datenbank oder mehreren Dateien verbinden.
- Zeilen, die nur eine ID enthalten, Informationen wie Namen oder Preise hinzufügen.
- Zwei Versionen eines Datensatzes vergleichen.
Wann du es nicht brauchst
- Tabellen mit denselben Spalten übereinanderstapeln: Nimm
pd.concat. - Schlüssel, die auf keiner Seite eindeutig sind: Jeder Treffer vervielfacht Zeilen, prüfe also zuerst auf Duplikate.
Beispielcode
import pandas as pd
students = pd.DataFrame({"id": [1, 2], "name": ["Ada", "Lin"]})
scores = pd.DataFrame({"id": [1, 2], "score": [95, 88]})
print(students.merge(scores, on="id"))
Ergebnis der Ausführung
id name score
0 1 Ada 95
1 2 Lin 88
Erklärung des Codes
Der Parameter on="id" legt die Spalte id als Schlüssel fest, über den die beiden Tabellen verbunden werden. Standardmäßig führt merge() einen Inner Join aus, behält also nur die ids, die in beiden Tabellen vorkommen, und verbindet ihre Spalten zu einer Ergebnistabelle. Prüfe vor dem Zusammenführen den Datentyp der Schlüsselspalte und mögliche doppelte Werte, um falsche Ergebnisse zu vermeiden.
Ändere die Werte und führe das Programm im CodeUtility Python Online-Compiler aus, ohne Python lokal zu installieren.
Übungen zur Vertiefung
Ändere den Code anhand der folgenden Vorschläge. Wenn du selbst etwas änderst und das Ergebnis beobachtest, verstehst du viel mehr, als wenn du den Code nur liest.
- Füge den Beispieldaten Zeilen, Spalten und ein paar fehlende Werte hinzu.
- Kombiniere Filtern, Sortieren und groupby zu einem kleinen Bericht.
- Lies eine echte Datendatei ein, prüfe den Datentyp jeder Spalte und behandle ungültige Werte.
Häufige Fehler
Unbemerkt Zeilen verlieren
Der Standard-Inner-Join lässt Schüler ohne Punktzahl weg.
students.merge(scores, on="id")
students.merge(scores, on="id", how="left")
Lektion fertig?
Markiere sie als gelernt, um deinen Fortschritt zu verfolgen.