合併多個資料集

使用 pandas 的精實資料導入

Amany Mahfouz

Instructor

串接（Concatenating）

使用情境：將一個 dataframe 的列加到另一個
concat()
- pandas 函式
- 語法：pd.concat([df1,df2])
- 將 ignore_index 設為 True 可重新編號列

串接（Concatenating）

# Get first 20 bookstore results
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)

# Get the next 20 bookstores
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)

# Put bookstore datasets together, renumber rows
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

合併（Merging）

使用情境：合併資料集以新增相關欄位
資料集具有共同值的鍵欄位
merge()：pandas 中的 SQL join 版本

合併（Merging）

merge()
- 既是 pandas 函式也是 dataframe 方法
df.merge() 參數
- 要合併的第二個 dataframe
- 要用來合併的欄位
  - 兩邊欄名相同用 on
  - 欄名不同用 left_on 與 right_on
  - 鍵欄位的資料型別需一致

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

合併（Merging）

# Merge weather into call counts on date columns
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

合併（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

merge() 預設：只回傳兩個資料集中皆存在的值
每個 dataframe 的值配對會得到一筆紀錄
- 多重配對＝多筆紀錄

一起來練習吧！

使用 pandas 的精實資料導入