1. Learn
    2. /
  2. Courses
    3. /
  3. Joindre des données avec pandas
  • 1

    Notions de base sur la fusion de données

    Free

    Découvrez comment vous pouvez fusionner des données disparates à l'aide de jointures internes. En combinant des informations provenant de sources multiples, vous découvrirez des informations intéressantes qui auraient pu être cachées auparavant. Vous apprendrez également comment la relation entre ces sources, telle que one-to-one ou one-to-many, peut affecter votre résultat.

  • 2

    Fusion de tableaux avec différents types de jointure

    Améliorez vos connaissances en matière de jointures. Dans ce chapitre, vous travaillerez avec des données de films TMDb et vous découvrirez les jointures gauches, droites et externes. Vous découvrirez également comment fusionner un tableau avec lui-même et comment fusionner sur un index DataFrame.

  • 3

    Fusion et concaténation avancées

    Dans ce chapitre, vous tirerez parti de techniques de filtrage puissantes, notamment les semi-joints et les anti-joints. Vous apprendrez également à coller des DataFrame en les combinant verticalement et en utilisant la fonction pandas.concat pour créer de nouveaux ensembles de données. Enfin, les données étant rarement propres, vous apprendrez également à valider vos nouvelles structures de données combinées.

  • 4

    Fusionner des données ordonnées et des séries temporelles

    Dans ce dernier chapitre, vous passerez à la vitesse supérieure et apprendrez à appliquer les méthodes spécialisées de pandas pour fusionner des séries temporelles et des données ordonnées avec des données financières et économiques réelles provenant de la ville de Chicago. Vous apprendrez également à interroger les tableaux résultants à l'aide d'un format de type SQL et à décomposer les données à l'aide de la méthode de fusion.

Initializing

Exercise

Nombre total de coureurs en un mois

Votre objectif est de déterminer le nombre total de trajets effectués par les passagers passant par la station Wilson (station_name == 'Wilson') lorsqu'ils empruntent le système de transport public de Chicago les jours de semaine (day_type == 'Weekday') en juillet (month == 7). Heureusement, Chicago fournit ces données détaillées, mais dans trois tableaux différents. Vous travaillerez à la fusion de ces tableaux pour répondre à la question. Ces données sont différentes des données relatives aux entreprises que vous avez vues jusqu'à présent, mais toutes les informations dont vous avez besoin pour répondre à la question sont fournies.

Les DataFrames cal, ridership et stations ont été chargées pour vous. La relation entre les tableaux est illustrée dans le diagramme ci-dessous.

Diagramme du tableau. Le tableau cal est lié à la fréquentation par l'intermédiaire de l'année, du mois et du jour. Le tableau des usagers est lié au tableau des tableaux par l'intermédiaire de l'identifiant de la station.

Instructions 1/3

undefined XP
    1
    2
    3
  • Fusionnez les tableaux ridership et cal en commençant par le tableau ridership à gauche et enregistrez le résultat dans la variable ridership_cal. Si votre code prend trop de temps à s'exécuter, il se peut que vos conditions de fusion soient incorrectes.