pandasをオンライン実行
pandasで2つのDataFrameを結合する
このレッスンでは、merge()メソッドを使って、共通のキー列で2つのDataFrameを結合します。
はじめに
どんな問題を解決するか
関連するデータは別々の表に保存されていることがよくあります。生徒の名前が1つの表に、点数が別の表にあり、生徒 ID でつながっている、などです。一緒に分析するには、データベースの結合のように、その共通のキーで行を対応させる必要があります。
身近なたとえ
表の結合は、名札と答案を学生番号で対応させるようなものです。2つの山を並べ、同じ番号の名札と答案をホチキスで留めます。
名札と答案を対応させるところからコードへ
students🏷️ id の付いた名札scores📝 id の付いた答案merge(scores, on="id")📎 同じ id どうしを留めるid, name, score📋 対応した生徒ごとに1行ひと言でいうと
merge は1つ以上のキー列の値を対応させて2つの DataFrame を組み合わせます。初期設定では両方の表にあるキーだけを残します(内部結合)。
重要なポイント
students.merge(scores, on="id")はidが同じ行を対応させます。- 結果の各行は、両方の表の列 id、name、score を持ちます。
- 初期設定では、両方の表にある id だけが残ります。
id列はキーなので1回だけ現れます。
どんな場面で使う?
- データベースや複数のファイルの表を組み合わせる。
- ID しかない行に名前や価格などの情報を加える。
- データセットの2つの版を比べる。
使わなくてよいとき
- 同じ列を持つ表を縦に積む場合:
pd.concatを使います。 - どちらの側でもキーが一意でない場合:一致するたびに行が増えるので、先に重複を確かめます。
サンプルコード
main.py
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"))
実行結果
id name score
0 1 Ada 95
1 2 Lin 88
コードの解説
引数on="id"は、列idを2つの表をつなぐキーに指定します。merge()は標準で内部結合(inner join)を行い、両方の表にあるidだけを残して、それぞれの列を1つの結果の表にまとめます。結合の前に、キー列のデータ型や重複した値を確認しておくと、間違った結果を防げます。
値を変更し、PythonをインストールせずにCodeUtilityオンラインPythonコンパイラで実行できます。
発展問題
下のヒントにしたがってコードを書き換えてみましょう。自分で変えて結果を確かめると、コードを読むだけよりずっと深く理解できます。
- サンプルデータに行、列、いくつかの欠損値を追加する。
- 絞り込み、並べ替え、groupbyを組み合わせて小さなレポートを作る。
- 実際のデータファイルを読み込み、各列のデータ型を確認して、不正な値を処理する。
よくある間違い
気づかないうちに行を失う
初期設定の内部結合では、点数のない生徒が落とされます。
問題
students.merge(scores, on="id")
修正
students.merge(scores, on="id", how="left")
このレッスンを終えましたか?
学習済みにすると進み具合を記録できます。
進み具合はこのブラウザーに保存されています ログインすると、どのデバイスでも引き継げます。