Enkel kod för komplexa sammanslagningar

Goda nyheter! Du har tillgång till ligans Next Gen Stats-data (NGS). NGS registrerar varje spelares position och riktning på varje spelmoment. Data samlas in 10 gånger per sekund, vilket innebär över 1,5 miljoner observationer per vecka för enbart puntar! Datan har redan lästs in i en dataram som heter coords.

Du har också allmän speldata för varje punt som motsvarar de puntar som spåras av NGS. Rader i den dataramen, som heter punts, identifieras av unika kombinationer av GameKey och PlayId.

I en kalkylbladsmiljö skulle du skapa en kolumn i varje tabell som kombinerar GameKey och PlayId, och sedan matcha tabellerna baserat på den nya kolumnen. Här kan du i stället prova ett enkelt merge-anrop för att slå ihop punts och coords.

Den här övningen är en del av kursen

Pandas-joins för kalkylbladanvändare

Visa kurs

Övningsinstruktioner

Visa de första 10 raderna i punts. Notera att varje rad är unik för en viss kombination av GameKey och PlayId.
Visa de första 10 raderna i coords.
Slå ihop de två dataramen med punts som vänster dataram och coords som höger dataram.
Visa de första 15 raderna i den nya dataramen, punts_w_coords.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# View punts 
print(____.head(10))

# View coords
print(____.head(10))

# Merge data frames
punts_w_coords = ____.merge(____)

# View new data frame
print(____.head(15))

Redigera och kör kod