Neste capítulo, vamos construir a base para usar o pandas ao juntar dados. Você vai conhecer os tipos de junções e como o pandas pode aumentar sua eficácia e produtividade.

Junção de dados: uma necessidade do mundo real

A necessidade de unir dados

Trabalhando com dados divididos

Trabalhando com dados complementares

Concatenação

Concatenando linhas

Concatenando linhas com índices duplicados

Concatenando colunas

Potência e flexibilidade

Afirmação

Afirmações verdadeiras

Afirmações falsas

Vantagens dos joins no pandas

Código simples para combinações complexas

Introdução às junções de dados

Neste capítulo, você vai aprender a usar o pandas para juntar dados de um jeito semelhante ao uso de fórmulas VLOOKUP em planilhas. Você conhecerá três tipos de junções e, em seguida, vai focar no primeiro tipo: junções um-para-um.

Tipos de junções

Junções um-para-um

Junções um-para-muitos

Junções muitos-para-muitos

Um olhar mais atento sobre junções um-para-um

Organizando a base do processo.

Replicando o VLOOKUP

Fazendo merge com duas ou mais chaves

Combinando dados em comum com inner joins

Junções orientadas a objetos

Inner joins básicos

Lidando com nomes diferentes

Escolhendo o método de junção correto

Junções no estilo VLOOKUP

Neste capítulo, vamos focar em relacionamentos um-para-muitos. Você vai praticar a identificação do relacionamento entre colunas-chave e a junção de data frames por coluna. Também vai aprender a juntar dois ou mais data frames com base em seus índices.

"De muitos, um"

Estratégia parte 2: merges um-para-muitos

Identificando relações um-para-muitos

Junções por colunas-chave

Verificando chaves duplicadas

Concluindo um merge um-para-muitos

Junções baseadas em índice

Junção pelo índice

Juntando múltiplas tabelas

Revisando o join um-para-muitos

No capítulo final, você vai aprender técnicas avançadas de junção para usar quando estiver diante de dados desafiadores. Você receberá um desafio próprio na forma de um estudo de caso para testar suas habilidades.

Unindo dados na vida real

Misturando índices e colunas

Sufixos e indicadores

Trabalhando com dados de tempo

Combinando séries temporais

Correspondendo ao horário mais próximo

Recapitulação e estudo de caso

Desafio do estudo de caso - parte 1

Desafio do estudo de caso - parte 2

Desafio do estudo de caso - parte 3

Junções avançadas

Games Plays

Players draft

Current players

Games

New weather data

Unir dois ou mais conjuntos de dados é necessário em praticamente qualquer análise do mundo real. Você já fez isso em planilhas usando VLOOKUP e funções relacionadas. Dá para aproveitar essa experiência ao migrar para o mundo do Python? Sim! Neste curso, você vai aprender em detalhes como juntar conjuntos de dados com o pandas, o padrão ouro do Python para manipular dados tabulares. Você aplicará funções do pandas para combinar dados da National Football League (NFL) em um ambiente de planilha familiar. Com essas habilidades, você vai aproveitar o poder do pandas e integrar conjuntos de dados maiores e mais complexos em qualquer análise.

Python for Spreadsheet Users

Aprenda a unir conjuntos de dados em formato tabular usando a biblioteca Pandas do Python.

Junções no pandas para usuários de planilhas

Aprenda a unir conjuntos de dados em formato tabular de forma eficaz usando a biblioteca Pandas em Python.  

Você pode unir data frames por mais de uma coluna ou nível de índice sem concatenar.

Muitos pacotes populares de Machine Learning em Python aceitam data frames do pandas como entrada.

Você só pode unir dois data frames originais em uma única instrução.

Data frames têm um limite de 16.777.216 linhas (2\*\*22).

Vantagens dos joins no pandas

Junções no pandas para usuários de planilhas

Exercício interativo prático