Обʼєднання кількох таблиць

Тепер ви хочете піти іншим шляхом і зіставити позиції гравців під час пантів. Нагадаємо, що система NextGenStats (NGS) фіксує позиції та орієнтації гравців 10 разів на секунду для всіх гравців у кожному розіграші. Це величезний обсяг даних!

Ви обʼєднаєте три датафрейми, щоб підготувати їх до аналізу. Нижче подано їхні назви та описи.

games: агреговані дані на рівні гри за GameKey
punts: дані на рівні розіграшу за GameKey і PlayId
ngs: дані про позиції за GameKey, PlayId, GSISID (ідентифікатор гравця) та Time

Член вашої команди надав генератор списку у рядку 2, щоб вивести індекс кожного датафрейму одним рядком коду. Докладніше про генератори списків дивіться у курсі Python Data Science Toolbox Part 2.

Ця вправа є частиною курсу

Об'єднання даних у pandas для користувачів електронних таблиць

Переглянути курс

Інструкції до вправи

Виконайте внутрішнє обʼєднання датафреймів за індексом, використовуючи games як основний датафрейм.
Перегляньте перші 10 рядків отриманого датафрейму.
Переконайтеся, що індекс нового фрейму не містить дублікатів.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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())

Редагувати та запускати код