or
To ćwiczenie jest częścią kursu
Dowiedz się, jak łączyć różnorodne dane za pomocą złączeń wewnętrznych (inner join). Łącząc informacje z wielu źródeł, odkryjesz ciekawe zależności, które wcześniej mogły pozostawać ukryte. Poznasz też, w jaki sposób relacje między źródłami – takie jak jeden-do-jednego czy jeden-do-wielu – wpływają na wyniki.
Przenieś swoją wiedzę o złączeniach na wyższy poziom. W tym rozdziale będziesz pracować z danymi filmowymi TMDb, ucząc się złączeń lewostronnych, prawostronnych i zewnętrznych. Poznasz też sposób scalania tabeli z samą sobą oraz łączenia na podstawie indeksu DataFrame.
Bieżące ćwiczenie
W tym rozdziale nauczysz się zaawansowanych technik filtrowania, w tym złączeń półzewnętrznych (semi-join) i antyłączeń (anti-join). Dowiesz się również, jak łączyć obiekty DataFrame pionowo oraz korzystać z funkcji pandas.concat do tworzenia nowych zbiorów danych. Ponieważ dane rzadko są idealne, nauczysz się też weryfikować poprawność nowo połączonych struktur.
W ostatnim rozdziale przyśpieszasz i uczysz się stosować wyspecjalizowane metody pandas do łączenia danych szeregów czasowych i danych uporządkowanych – na podstawie rzeczywistych danych finansowych i ekonomicznych z miasta Chicago. Poznasz też sposób odpytywania wynikowych tabel w stylu SQL oraz przekształcania danych metodą melt.