Trong chương này, chúng ta sẽ xây nền tảng để dùng pandas ghép nối dữ liệu. Bạn sẽ tìm hiểu các kiểu ghép nối và cách pandas có thể giúp bạn làm việc hiệu quả và năng suất hơn.

Gộp dữ liệu: nhu cầu thực tế

Nhu cầu kết hợp dữ liệu

Làm việc với dữ liệu tách theo mùa

Làm việc với dữ liệu bổ trợ

Nối dữ liệu

Nối các hàng (concatenate rows)

Nối các hàng khi chỉ mục bị trùng

Nối cột (concatenate)

Sức mạnh và tính linh hoạt

Ưu điểm của các phép join trong pandas

Viết mã đơn giản cho các phép gộp phức tạp

Giới thiệu về ghép nối dữ liệu

Trong chương này, bạn sẽ học cách dùng pandas để ghép nối dữ liệu theo cách tương tự như công thức VLOOKUP trong bảng tính. Bạn sẽ tìm hiểu ba kiểu ghép nối và sau đó tập trung vào kiểu đầu tiên: ghép nối một-một.

Các loại phép nối

One-to-one joins

Join một-nhiều (one-to-many)

Nối nhiều-nhiều

Tìm hiểu kỹ hơn về phép nối một-một

Sắp xếp thứ tự các tác vụ

Gỡ rối khung quy trình.

Tái hiện VLOOKUP

Gộp theo hai hoặc nhiều khóa

Kết hợp dữ liệu chung bằng inner join

Gộp dữ liệu theo hướng đối tượng

Inner join cơ bản

Xử lý khác biệt tên cột

Mô tả

Concatenate theo hàng

Left merge

Inner merge

Chọn phương thức join phù hợp

Ghép nối kiểu VLOOKUP

Trong chương này, chúng ta sẽ tập trung vào mối quan hệ một-nhiều. Bạn sẽ thực hành xác định mối quan hệ của các cột khóa và ghép nối các data frame theo cột. Bạn cũng sẽ học cách ghép nối hai hoặc nhiều data frame dựa trên chỉ mục của chúng.

"Từ nhiều thành một"

Khung làm việc phần 2: gộp one-to-many

Xác định mối quan hệ một-nhiều

Join theo cột khóa

Kiểm tra khóa trùng lặp

Hoàn tất phép gộp one-to-many

Ghép nối dựa trên chỉ mục

Join theo index

Join nhiều bảng

Ôn tập về phép nối one-to-many

Ghép nối một-nhiều

Ở chương cuối, bạn sẽ học các kỹ thuật ghép nối nâng cao để dùng khi gặp dữ liệu thách thức. Bạn sẽ nhận một thử thách dưới dạng nghiên cứu tình huống để kiểm tra kỹ năng của mình.

Kết nối dữ liệu trong thực tế

Kết hợp index và cột

Hậu tố và chỉ báo

Làm việc với dữ liệu thời gian

Kết hợp chuỗi thời gian

Khớp với thời điểm gần nhất

Tổng kết và nghiên cứu tình huống

Thử thách nghiên cứu tình huống - phần 1

Thử thách nghiên cứu tình huống - phần 2

Thử thách nghiên cứu tình huống - phần 3

Ghép nối nâng cao

Players draft

Current players

New weather data

Games Plays

Games

Ghép nối hai hoặc nhiều tập dữ liệu là điều cần thiết cho hầu hết mọi phân tích trong thế giới thực. Bạn hẳn đã từng làm việc này trong bảng tính với VLOOKUP và các hàm liên quan. Liệu bạn có thể tận dụng kinh nghiệm đó khi chuyển sang thế giới Python? Có chứ! Trong khóa học này, bạn sẽ học mọi khía cạnh của việc kết hợp các tập dữ liệu bằng pandas — tiêu chuẩn vàng của Python để xử lý dữ liệu dạng bảng. Bạn sẽ áp dụng các hàm của pandas để kết hợp dữ liệu từ National Football League (NFL) trong một môi trường quen thuộc như bảng tính. Với những kỹ năng này, bạn có thể khai thác sức mạnh của pandas và tích hợp các tập dữ liệu lớn hơn, phức tạp hơn vào bất kỳ phân tích nào.

Python for Spreadsheet Users

Tìm hiểu cách kết hợp dữ liệu dạng bảng hiệu quả với thư viện Pandas của Python.

Ghép nối dữ liệu bằng Pandas dành cho người dùng bảng tính

Tìm hiểu cách kết hợp các tập dữ liệu ở định dạng bảng một cách hiệu quả và nhanh chóng bằng thư viện Pandas của Python.  

Tìm hiểu kỹ hơn về phép nối một-một

Create Your Free Account