or
Ця вправа є частиною курсу
Дізнайтеся, як зливати розрізнені дані за допомогою inner join. Поєднуючи інформацію з кількох джерел, ви відкриєте промовисті інсайти, які раніше могли бути приховані. Також ви навчитеся, як зв'язки між цими джерелами, наприклад «один-до-одного» чи «один-до-багатьох», впливають на результат.
Поглибте свої знання про join. У цьому розділі ви працюватимете з даними TMDb про фільми та вивчатимете left, right і outer join. Ви також дізнаєтеся, як злити таблицю саму з собою та як виконувати злиття за індексом датафрейму.
Поточна вправа
У цьому розділі ви використаєте потужні техніки фільтрації, зокрема напів-join (semi-join) і анти-join (anti-join). Ви також навчитеся „склеювати" датафрейми шляхом вертикального об'єднання та за допомогою функції pandas.concat для створення нових наборів даних. Нарешті, оскільки дані рідко бувають ідеальними, ви опануєте перевірку цілісності новостворених структур даних.
У фінальному розділі ви піднімете планку й навчитеся застосовувати спеціалізовані методи pandas для злиття часових і впорядкованих даних, використовуючи реальні фінансові та економічні дані міста Чикаго. Ви також дізнаєтеся, як робити запити до отриманих таблиць у стилі SQL і як „розплавляти" дані за допомогою методу melt.