Dans ce chapitre, nous établirons les bases de l'utilisation de pandas pour joindre des données. Vous découvrirez les types de jointures et comment pandas peut améliorer votre efficacité et votre productivité.

Joindre des données : une nécessité sur le terrain

Le besoin de joindre des données

Travailler avec des données réparties

Travailler avec des données complémentaires

Concaténation

Concaténer des lignes

Concaténer des lignes avec des index en double

Concaténer des colonnes

Puissance et flexibilité

Avantages des jointures avec pandas

Coder simplement pour des jointures complexes

Introduction aux jointures de données

Dans ce chapitre, vous apprendrez à utiliser pandas pour joindre des données d'une façon semblable à l'utilisation des formules RECHERCHEV dans un chiffrier. Vous verrez trois types de jointures, puis vous vous concentrerez sur le premier : les jointures un-à-un.

Types de jointures

Jointures un à un

Jointures un-à-plusieurs

Jointures plusieurs-à-plusieurs

Un examen plus approfondi des jointures un à un

Remettre le cadre en ordre.

Reproduire VLOOKUP

Fusion selon deux clés ou plus

Combiner les données communes avec des jointures internes

Fusions orientées objet

Fusions internes de base

Gérer des noms différents

Choisir la bonne méthode de jointure

Jointures de type VLOOKUP

Dans ce chapitre, nous mettrons l'accent sur les relations un-à-plusieurs. Vous pratiquerez l'identification de la relation entre les colonnes clés et la jointure de dataframes par colonne. Vous apprendrez aussi à joindre deux dataframes ou plus à partir de leurs indices.

« De plusieurs, un »

Ordonnez les tâches

Cadre, partie 2 : fusions un-à-plusieurs

Identifier les relations un-à-plusieurs

Jointure sur les colonnes clés

Vérifier les clés en double

Réaliser une fusion un-à-plusieurs

Jointures basées sur l'index

Jointure selon l'index

Joindre plusieurs tableaux

Révision de la jointure un-à-plusieurs

Dans le dernier chapitre, vous apprendrez des techniques de jointure avancées à utiliser face à des données difficiles. Vous recevrez ensuite votre propre défi sous la forme d'une étude de cas pour mettre vos compétences à l'épreuve.

Joindre des données dans la vraie vie

Mélanger index et colonnes

Suffixes et indicateurs

Travailler avec des données temporelles

Combiner des séries chronologiques

Faire correspondre au moment le plus proche

Récapitulatif et étude de cas

Étude de cas – défi, partie 1

Étude de cas – défi, partie 2

Défi d'étude de cas – partie 3

Jointures avancées

Players draft

Current players

New weather data

Games Plays

Games

Joindre deux ensembles de données ou plus est essentiel dans presque toute analyse réelle. Vous l'avez déjà fait dans des chiffriers avec RECHERCHEV et des fonctions semblables. Pouvez-vous miser sur cette expérience en passant à l'univers de Python? Oui! Dans ce cours, vous apprendrez en profondeur à regrouper des ensembles de données avec pandas, la référence en Python pour manipuler des données tabulaires. Vous appliquerez des fonctions pandas pour combiner des données de la National Football League (NFL) dans un environnement de chiffrier qui vous est familier. Avec ces compétences, vous serez en mesure d'exploiter la puissance de pandas et d'intégrer des ensembles de données plus volumineux et complexes à toute analyse.

Python for Spreadsheet Users

Apprenez à joindre efficacement des ensembles de données tabulaires avec la bibliothèque Python Pandas.

Jointures pandas pour les utilisateurs et utilisatrices de chiffriers

Apprenez à joindre efficacement et rapidement des jeux de données au format tabulaire avec la bibliothèque Python Pandas.  

Déterminez quel jeu de données est au niveau parent et lequel est au niveau sous-élément.

Pour la table au niveau parent, vérifiez la présence de valeurs uniques dans la colonne clé.

Rédigez et exécutez l'instruction de fusion.

Cadre, partie 2 : fusions un-à-plusieurs

Jointures pandas pour les utilisateurs et utilisatrices de chiffriers

Exercice interactif pratique