Fusionner deux DataFrame dans pandas
Dans cette leçon, vous allez fusionner deux DataFrame grâce à une colonne clé commune avec la méthode merge().
Introduction
Le problème
Des données qui vont ensemble sont souvent rangées dans des tableaux séparés : les noms des élèves dans l'un, les notes dans l'autre, reliés par un identifiant d'élève. Pour les analyser ensemble, il faut faire correspondre les lignes par cette clé commune, comme le fait une jointure dans une base de données.
Imaginez-le ainsi
Fusionner des tableaux, c'est comme associer des badges nominatifs à des copies d'examen grâce au numéro d'élève. Vous posez les deux piles côte à côte et vous agrafez ensemble le badge et la copie qui portent le même numéro.
students🏷️ Des badges avec un idscores📝 Des copies avec un idmerge(scores, on="id")📎 Agrafer ensemble ceux qui ont le même idid, name, score📋 Une ligne par élève retrouvé dans les deux pilesmerge combine deux DataFrames en faisant correspondre les valeurs d'une ou plusieurs colonnes clés. Par défaut, il ne garde que les clés présentes dans les deux tableaux (une jointure interne).
Points clés
students.merge(scores, on="id")associe les lignes qui ont le mêmeid.- Chaque ligne du résultat a les colonnes des deux tableaux : id, name et score.
- Par défaut, seuls les ids présents dans les deux tableaux sont gardés.
- La colonne
idn'apparaît qu'une fois, car c'est la clé.
Quand l’utiliser ?
- Combiner des tableaux venant d'une base de données ou de plusieurs fichiers.
- Ajouter des informations comme des noms ou des prix à des lignes qui ne contiennent qu'un identifiant.
- Comparer deux versions d'un jeu de données.
Quand s'en passer
- Empiler les uns sur les autres des tableaux qui ont les mêmes colonnes : utilisez
pd.concat. - Des clés qui ne sont uniques ni d'un côté ni de l'autre : chaque correspondance multiplie les lignes. Vérifiez d'abord les doublons.
Code d’exemple
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"))
Résultat de l’exécution
id name score
0 1 Ada 95
1 2 Lin 88
Explication du code
Le paramètre on="id" fait de la colonne id la clé qui relie les deux tableaux. Par défaut, merge() effectue une jointure interne (inner join) : elle ne garde que les id présents dans les deux tableaux et réunit leurs colonnes dans un tableau résultat. Avant de fusionner, vérifiez le type de la colonne clé et la présence de doublons pour éviter des résultats faux.
Modifiez les valeurs et exécutez le programme avec le compilateur Python en ligne CodeUtility, sans installation locale.
Exercices d’approfondissement
Essayez de modifier le code en suivant les pistes ci-dessous. Changer le code et observer le résultat vous fera bien mieux comprendre la leçon que la simple lecture.
- Ajoutez des lignes, des colonnes et quelques valeurs manquantes aux données d’exemple.
- Combinez filtrage, tri et groupby pour produire un petit rapport.
- Lisez un vrai fichier de données, vérifiez le type de chaque colonne et traitez les valeurs invalides.
Erreurs fréquentes
Perdre des lignes sans s'en rendre compte
La jointure interne, utilisée par défaut, écarte les élèves qui n'ont pas de note.
students.merge(scores, on="id")
students.merge(scores, on="id", how="left")
Leçon terminée ?
Marquez-la comme apprise pour suivre votre progression.