Объединение нескольких таблиц

Теперь вы хотите пойти другим путём и отследить позиции игроков во время ударов с рук. Вы, возможно, помните, что система NextGenStats (NGS) фиксирует позиции и ориентацию игроков 10 раз в секунду для всех игроков на каждом розыгрыше. Данных действительно очень много!

Вам предстоит объединить три фрейма данных для подготовки к анализу. Ниже приведены их названия и описания.

games: данные высокого уровня по ключу игры GameKey
punts: данные на уровне розыгрыша по ключу игры GameKey и идентификатору розыгрыша PlayId
ngs: данные о позициях по ключу игры GameKey, идентификатору розыгрыша PlayId, идентификатору игрока GSISID и времени Time

Коллега предоставил вам генератор списка (list comprehension) на строке 2, чтобы вывести индекс каждого фрейма данных в одну строку кода. Подробнее о генераторах списков можно узнать в курсе Python Data Science Toolbox Part 2.

Это упражнение является частью курса

Joins в pandas для пользователей электронных таблиц

Посмотреть курс

Инструкции к упражнению

Выполните внутреннее соединение фреймов данных по индексу, используя games в качестве основного фрейма данных.
Просмотрите первые 10 строк полученного фрейма данных.
Убедитесь, что индекс нового фрейма не содержит дубликатов.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# List the index of each data frame
print([[n for n in df.index.names] for df in [games, punts, ngs]])

# Inner join the data frames
games_all = ____.____([punts, ____], how=____)

# View first 10 rows of new frame
print(____.head(10))

# Check index for duplicates
print(____.index.____.sum())

Редактировать и запускать код