Pada bab ini, kita akan membangun dasar untuk menggunakan pandas dalam menggabungkan data. Anda akan mempelajari jenis-jenis join dan bagaimana pandas dapat meningkatkan efektivitas serta produktivitas Anda.

Menggabungkan data: kebutuhan di dunia nyata

Kebutuhan untuk menggabungkan data

Bekerja dengan data yang terpisah

Bekerja dengan data pelengkap

Konkatenasi

Mengonkatenasi baris

Menggabungkan baris dengan indeks duplikat

Menggabungkan kolom

Kekuatan dan fleksibilitas

Pernyataan

Pernyataan Benar

Pernyataan Salah

Keunggulan join di pandas

Pengodean sederhana untuk penggabungan kompleks

Pengantar penggabungan data

Pada bab ini, Anda akan mempelajari cara menggunakan pandas untuk menggabungkan data dengan cara yang mirip penggunaan rumus VLOOKUP di spreadsheet. Anda akan mempelajari tiga jenis join dan kemudian berfokus pada jenis pertama, yaitu join satu-ke-satu.

Jenis-jenis join

Join satu-ke-satu

Join satu-ke-banyak

Join many-to-many

Menelusuri lebih dekat join satu-ke-satu

Menyusun kembali kerangka.

Mereplikasi VLOOKUP

Menggabungkan berdasarkan dua atau lebih kunci

Menggabungkan data yang sama dengan inner join

Penggabungan berorientasi objek

Dasar-dasar inner join

Menangani perbedaan penamaan

Memilih metode join yang tepat

Join bergaya VLOOKUP

Pada bab ini, kita akan berfokus pada relasi satu-ke-banyak. Anda akan berlatih mengidentifikasi relasi kolom kunci dan melakukan join data frame berdasarkan kolom. Anda juga akan mempelajari cara menggabungkan dua atau lebih data frame berdasarkan indeksnya.

"Dari banyak, menjadi satu"

Kerangka bagian 2: penggabungan one-to-many

Mengidentifikasi relasi one-to-many

Menggabungkan berdasarkan kolom kunci

Memeriksa kunci duplikat

Menyelesaikan penggabungan one-to-many

Join berbasis indeks

Menggabungkan berdasarkan indeks

Menggabungkan beberapa tabel

Meninjau join one-to-many

Pada bab terakhir, Anda akan mempelajari teknik join tingkat lanjut untuk digunakan ketika menghadapi data yang menantang. Anda akan disajikan tantangan dalam bentuk studi kasus untuk menguji keterampilan Anda.

Menggabungkan data dalam kehidupan nyata

Mencampur indeks dan kolom

Akhiran dan indikator

Bekerja dengan data waktu

Menggabungkan deret waktu

Mencocokkan ke waktu terdekat

Rekap dan studi kasus

Tantangan studi kasus - bagian 1

Tantangan studi kasus - bagian 2

Tantangan studi kasus - bagian 3

Join tingkat lanjut

Games Plays

Players draft

Current players

Games

New weather data

Menggabungkan dua atau lebih himpunan data diperlukan untuk hampir semua analisis dunia nyata. Anda sudah pernah melakukannya di spreadsheet menggunakan VLOOKUP dan fungsi terkait. Bisakah Anda membangun pengalaman ini saat beralih ke dunia Python? Bisa! Dalam kursus ini Anda akan mempelajari seluk-beluk menggabungkan himpunan data dengan pandas, standar emas Python untuk memanipulasi data tabular. Anda akan menerapkan fungsi pandas untuk menggabungkan data dari National Football League (NFL) dalam lingkungan spreadsheet yang familier. Dengan keterampilan ini, Anda akan mampu memaksimalkan kekuatan pandas dan mengintegrasikan himpunan data yang lebih besar dan kompleks ke dalam analisis apa pun.

Python for Spreadsheet Users

Pelajari cara menggabungkan dataset dalam format tabel dengan efektif menggunakan pustaka Python Pandas.

Menggabungkan Data dengan Pandas untuk Pengguna Spreadsheet

Pelajari cara menggabungkan dataset dalam format tabel secara efektif dan efisien menggunakan perpustakaan Python Pandas.  

Anda dapat menggabungkan data frame pada lebih dari satu kolom atau level indeks tanpa melakukan konkatenasi.

Banyak paket Machine Learning populer di Python menerima data frame pandas sebagai masukan.

Anda hanya dapat menggabungkan dua data frame asli dalam satu pernyataan.

Data frame memiliki batas 16.777.216 baris (2\*\*22).

Keunggulan join di pandas

Menggabungkan Data dengan Pandas untuk Pengguna Spreadsheet

Latihan interaktif langsung