फ़िल्टरिंग जोइन्स

pandas के साथ Data Joining

Aaren Stubberfield

Instructor

Mutating बनाम filtering joins

Mutating joins:

दोनों टेबल में मैच होती ऑब्ज़र्वेशन पर आधारित डेटा को जोड़ते हैं

Filtering joins:

किसी दूसरी टेबल में मैच होने/न होने के आधार पर एक टेबल की ऑब्ज़र्वेशन को फ़िल्टर करते हैं

Semi join क्या है?

सेमी जॉइन का टेबल डायग्राम जहाँ परिणाम intersection से आते हैं

Semi joins

Inner join जैसा, intersection लौटाता है
केवल left टेबल के कॉलम लौटाता है, right के नहीं
डुप्लिकेट नहीं

म्यूज़िकल डेटासेट

हेडफ़ोन वाले फ़ोन की छवि

SQLite ट्यूटोरियल छवि

¹ Photo by Vlad Bagacian from Pexels

उदाहरण डेटासेट्स

  gid  name           
0 1    Rock           
1 2    Jazz           
2 3    Metal          
3 4    Alternative ...
4 5    Rock And Roll

  tid  name             aid  mtid  gid  composer         u_price
0 1    For Those Ab...  1    1     1    Angus Young,...  0.99   
1 2    Balls to the...  2    2     1    nan              0.99   
2 3    Fast As a Shark  3    2     1    F. Baltes, S...  0.99   
3 4    Restless and...  3    2     1    F. Baltes, R...  0.99   
4 5    Princess of ...  3    2     1    Deaffy & R.A...  0.99

चरण 1 - semi join

genres_tracks = genres.merge(top_tracks, on='gid')
print(genres_tracks.head())

  gid  name_x  tid   name_y           aid  mtid  composer         u_price
0 1    Rock    2260  Don't Stop M...  185  1     Mercury, Fre...  0.99   
1 1    Rock    2933  Mysterious Ways  232  1     U2               0.99   
2 1    Rock    2618  Speed Of Light   212  1     Billy Duffy/...  0.99   
3 1    Rock    2998  When Love Co...  237  1     Bono/Clayton...  0.99   
4 1    Rock    685   Who'll Stop ...  54   1     J. C. Fogerty    0.99

चरण 2 - semi join

genres['gid'].isin(genres_tracks['gid'])

दो gid कॉलम के मैच होने का चित्र

चरण 2 - semi join

genres['gid'].isin(genres_tracks['gid'])

0     True
1     True
2     True
3     True
4    False
Name: gid, dtype: bool

चरण 3 - semi join

genres_tracks = genres.merge(top_tracks, on='gid')
top_genres = genres[genres['gid'].isin(genres_tracks['gid'])]
print(top_genres.head())

  gid  name           
0 1    Rock           
1 2    Jazz           
2 3    Metal          
3 4    Alternative & Punk
4 6    Blues

Anti join क्या है?

एंटी जॉइन का टेबल डायग्राम जहाँ परिणाम left टेबल माइनस intersection होते हैं

Anti join:

Intersection को छोड़कर left टेबल लौटाता है
केवल left टेबल के कॉलम लौटाता है, right के नहीं

चरण 1 - anti join

genres_tracks = genres.merge(top_tracks, on='gid', how='left', indicator=True)
print(genres_tracks.head())

  gid  name_x           tid     name_y           aid    mtid  composer         u_price  _merge   
0 1    Rock             2260.0  Don't Stop M...  185.0  1.0   Mercury, Fre...  0.99     both  
1 1    Rock             2933.0  Mysterious Ways  232.0  1.0   U2               0.99     both  
2 1    Rock             2618.0  Speed Of Light   212.0  1.0   Billy Duffy/...  0.99     both  
3 1    Rock             2998.0  When Love Co...  237.0  1.0   Bono/Clayton...  0.99     both 
4 5    Rock And Roll    NaN     NaN              NaN    NaN   NaN              NaN      left_only

चरण 2 - anti join

gid_list = genres_tracks.loc[genres_tracks['_merge'] == 'left_only', 'gid']
print(gid_list.head())

23     5
34     9
36    11
37    12
38    13
Name: gid, dtype: int64

चरण 3 - anti join

genres_tracks = genres.merge(top_tracks, on='gid', how='left', indicator=True)
gid_list = genres_tracks.loc[genres_tracks['_merge'] == 'left_only','gid']
non_top_genres = genres[genres['gid'].isin(gid_list)]

print(non_top_genres.head())

  gid  name          
0 5    Rock And Roll 
1 9    Pop           
2 11   Bossa Nova    
3 12   Easy Listening
4 13   Heavy Metal

अभ्यास करते हैं!

pandas के साथ Data Joining