Dans ce chapitre, nous poserons les bases pour utiliser pandas afin de fusionner des données. Vous découvrirez les types de fusions et comment pandas peut accroître votre efficacité et votre productivité.

Joindre des données : une nécessité du monde réel

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 dupliqués

Concaténer des colonnes

Puissance et flexibilité

Avantages des jointures avec pandas

Coder simplement pour des fusions complexes

Introduction aux fusions de données

Dans ce chapitre, vous apprendrez à utiliser pandas pour fusionner des données d’une façon similaire aux formules VLOOKUP dans une feuille de calcul. Vous verrez trois types de fusions, puis vous vous concentrerez sur le premier type, les fusions un-à-un.

Types de jointures

Jointures un à un

Jointures un-à-plusieurs

Jointures plusieurs-à-plusieurs

Un examen approfondi des jointures un-à-un

Remettre le cadre en ordre.

Reproduire VLOOKUP

Fusionner sur deux clés ou plus

Combiner des données communes avec des jointures internes

Fusions orientées objet

Jointures internes simples

Gérer des noms différents

Choisir la bonne méthode de jointure

Fusions à la manière de VLOOKUP

Dans ce chapitre, nous mettrons l’accent sur les relations un-à-plusieurs. Vous vous entraînerez à identifier la relation des colonnes clés et à fusionner des DataFrames par colonne. Vous apprendrez aussi à fusionner deux DataFrames ou plus sur la base de leurs index.

"De plusieurs, un seul"

Ordonnez les tâches

Cadre - partie 2 : fusions one-to-many

Identifier les relations un-à-plusieurs

Jointure sur des colonnes clés

Vérifier la présence de clés en double

Réaliser une jointure un-à-plusieurs

Jointures basées sur l’index

Jointure sur l’index

Joindre plusieurs tables

Revoir la jointure « one-to-many »

Fusions un-à-plusieurs

Dans le dernier chapitre, vous apprendrez des techniques avancées de fusion à utiliser face à des données complexes. Vous relèverez 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 temporelles

Faire correspondre à l’heure la plus proche

Synthèse et étude de cas

Étude de cas – défi, partie 1

Étude de cas – partie 2

Étude de cas – défi, partie 3

Fusions avancées

Players draft

Current players

New weather data

Games Plays

Games

Assembler deux jeux de données ou plus est indispensable dans presque toute analyse réelle. Vous l’avez déjà fait dans des feuilles de calcul avec VLOOKUP et des fonctions similaires. Pouvez-vous capitaliser sur cette expérience en passant au monde de Python ? Oui ! Dans ce cours, vous apprendrez en détail comment rassembler des jeux 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 proche d’une feuille de calcul. Avec ces compétences, vous pourrez tirer parti de la puissance de pandas et intégrer des jeux de données plus volumineux et plus complexes dans n’importe quelle analyse.

Python for Spreadsheet Users

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

Fusions avec pandas pour les utilisateurs de feuilles de calcul

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

Identifiez quel jeu de données est au niveau parent et lequel est au niveau sous-ensemble.

Pour la table au niveau parent, vérifiez l’unicité des valeurs dans la colonne clé.

Rédigez et exécutez l’instruction de fusion.

Cadre - partie 2 : fusions one-to-many

Exercice interactif pratique