การใช้ merge_asof()

การรวมข้อมูลด้วย pandas

Aaren Stubberfield

Instructor

การใช้ merge_asof()

การเชื่อมสองตารางด้วย merge_asof

คล้ายกับ left join ของ merge_ordered()
- มีฟีเจอร์คล้ายกับ merge_ordered()
จับคู่กับคีย์ที่ใกล้เคียงที่สุด ไม่ใช่การจับคู่แบบตรงทั้งหมด
- คอลัมน์ "on" ที่ใช้รวมต้องเรียงลำดับไว้ก่อน

การใช้ merge_asof()

การเชื่อมสองตารางด้วย merge_asof

คล้ายกับ left join ของ merge_ordered()
- มีฟีเจอร์คล้ายกับ merge_ordered()
จับคู่กับคีย์ที่ใกล้เคียงที่สุด ไม่ใช่การจับคู่แบบตรงทั้งหมด
- คอลัมน์ "on" ที่ใช้รวมต้องเรียงลำดับไว้ก่อน

ชุดข้อมูล

ชื่อตาราง: visa

  date_time            close   
0 2017-11-17 16:00:00  110.32  
1 2017-11-17 17:00:00  110.24  
2 2017-11-17 18:00:00  110.065 
3 2017-11-17 19:00:00  110.04  
4 2017-11-17 20:00:00  110.0   
5 2017-11-17 21:00:00  109.9966
6 2017-11-17 22:00:00  109.82

ชื่อตาราง: ibm

   date_time            close   
0  2017-11-17 15:35:12  149.3   
1  2017-11-17 15:40:34  149.13  
2  2017-11-17 15:45:50  148.98  
3  2017-11-17 15:50:20  148.99  
4  2017-11-17 15:55:10  149.11  
5  2017-11-17 16:00:03  149.25  
6  2017-11-17 16:05:06  149.5175
7  2017-11-17 16:10:12  149.57  
8  2017-11-17 16:15:30  149.59  
9  2017-11-17 16:20:32  149.82  
10 2017-11-17 16:25:47  149.96

ตัวอย่างการใช้ merge_asof()

pd.merge_asof(visa, ibm, on='date_time', 
              suffixes=('_visa','_ibm'))

  date_time            close_visa  close_ibm
0 2017-11-17 16:00:00  110.32      149.11   
1 2017-11-17 17:00:00  110.24      149.83   
2 2017-11-17 18:00:00  110.065     149.59   
3 2017-11-17 19:00:00  110.04      149.505  
4 2017-11-17 20:00:00  110.0       149.42   
5 2017-11-17 21:00:00  109.9966    149.26   
6 2017-11-17 22:00:00  109.82      148.97

ชื่อตาราง: ibm

   date_time            close   
0  2017-11-17 15:35:12  149.3   
1  2017-11-17 15:40:34  149.13  
2  2017-11-17 15:45:50  148.98  
3  2017-11-17 15:50:20  148.99  
4  2017-11-17 15:55:10  149.11  
5  2017-11-17 16:00:03  149.25  
6  2017-11-17 16:05:06  149.5175
7  2017-11-17 16:10:12  149.57  
8  2017-11-17 16:15:30  149.59  
9  2017-11-17 16:20:32  149.82  
10 2017-11-17 16:25:47  149.96

ตัวอย่าง merge_asof() พร้อม direction

pd.merge_asof(visa, ibm, on=['date_time'], 
              suffixes=('_visa','_ibm'), 
              direction='forward')

  date_time            close_visa  close_ibm
0 2017-11-17 16:00:00  110.32      149.25   
1 2017-11-17 17:00:00  110.24      149.6184 
2 2017-11-17 18:00:00  110.065     149.59   
3 2017-11-17 19:00:00  110.04      149.505  
4 2017-11-17 20:00:00  110.0       149.42   
5 2017-11-17 21:00:00  109.9966    149.26   
6 2017-11-17 22:00:00  109.82      148.97

ชื่อตาราง: ibm

   date_time            close   
0  2017-11-17 15:35:12  149.3   
1  2017-11-17 15:40:34  149.13  
2  2017-11-17 15:45:50  148.98  
3  2017-11-17 15:50:20  148.99  
4  2017-11-17 15:55:10  149.11  
5  2017-11-17 16:00:03  149.25  
6  2017-11-17 16:05:06  149.5175
7  2017-11-17 16:10:12  149.57  
8  2017-11-17 16:15:30  149.59  
9  2017-11-17 16:20:32  149.82  
10 2017-11-17 16:25:47  149.96

ควรใช้ merge_asof() เมื่อใด

ข้อมูลที่สุ่มตัวอย่างจากกระบวนการ
การสร้างชุดข้อมูลสำหรับฝึกโมเดล (ป้องกัน data leakage)

มาฝึกกันเถอะ!

การรวมข้อมูลด้วย pandas