Kết hợp nhiều tập dữ liệu

Nạp dữ liệu gọn nhẹ với pandas

Amany Mahfouz

Instructor

Nối (Concatenating)

Trường hợp dùng: thêm hàng từ một dataframe vào dataframe khác
concat()
- Hàm pandas
- Cú pháp: pd.concat([df1,df2])
- Đặt ignore_index là True để đánh số lại hàng

Nối (Concatenating)

# Lấy 20 kết quả bookstore đầu tiên
params = {"term": "bookstore", 
          "location": "San Francisco"}  
first_results = requests.get(api_url,
                             headers=headers,
                             params=params).json()

first_20_bookstores = json_normalize(first_results["businesses"],
                                     sep="_")

print(first_20_bookstores.shape)

(20, 24)

# Lấy 20 bookstore tiếp theo
params["offset"] = 20
next_results = requests.get(api_url,
                            headers=headers,
                            params=params).json()

next_20_bookstores = json_normalize(next_results["businesses"],
                                    sep="_")

print(next_20_bookstores.shape)

(20, 24)

# Ghép hai tập bookstore, đánh số lại hàng
bookstores = pd.concat([first_20_bookstores, next_20_bookstores],
                        ignore_index=True)

print(bookstores.name)

0                             City Lights Bookstore
1                            Alexander Book Company
2                                 Borderlands Books
3                                   Alley Cat Books
4                                   Dog Eared Books
...                                             ...
35                                     Forest Books
36                San Francisco Center For The Book
37                           KingSpoke - Book Store
38                            Eastwind Books & Arts
39                                      My Favorite
Name: name, dtype: object

Gộp (Merging)

Trường hợp dùng: kết hợp để thêm các cột liên quan
Có cột khóa chung giá trị
merge(): phiên bản pandas của SQL join

Gộp (Merging)

merge()
- Vừa là hàm pandas vừa là phương thức của dataframe
Tham số df.merge()
- Dataframe thứ hai để gộp
- Cột dùng để gộp
  - on nếu tên giống nhau ở cả hai dataframe
  - left_on và right_on nếu khóa khác tên
  - Cột khóa phải cùng kiểu dữ liệu

call_counts.head()

  created_date  call_counts
0   01/01/2018         4597
1   01/02/2018         4362
2   01/03/2018         3045
3   01/04/2018         3374
4   01/05/2018         4333

weather.head()

         date    tmax  tmin  
0  12/01/2017      52    42  
1  12/02/2017      48    39  
2  12/03/2017      48    42  
3  12/04/2017      51    40  
4  12/05/2017      61    50

Gộp (Merging)

# Gộp weather vào call_counts theo các cột ngày
merged = call_counts.merge(weather, 
                           left_on="created_date", 
                           right_on="date")

print(merged.head())

  created_date  call_counts        date  tmax  tmin
0   01/01/2018         4597  01/01/2018    19     7
1   01/02/2018         4362  01/02/2018    26    13
2   01/03/2018         3045  01/03/2018    30    16
3   01/04/2018         3374  01/04/2018    29    19
4   01/05/2018         4333  01/05/2018    19     9

Gộp (Merging)

   created_date  call_counts        date  tmax  tmin
0    01/01/2018         4597  01/01/2018    19     7
1    01/02/2018         4362  01/02/2018    26    13
2    01/03/2018         3045  01/03/2018    30    16
3    01/04/2018         3374  01/04/2018    29    19
4    01/05/2018         4333  01/05/2018    19     9

Mặc định merge(): chỉ trả về giá trị có ở cả hai tập dữ liệu
Một bản ghi cho mỗi lần khớp giữa các dataframe
- Nhiều khớp = nhiều bản ghi

¡Vamos a practicar!

Nạp dữ liệu gọn nhẹ với pandas