Pandas Union

Funkcja pandy „Indeks.Union () ”służy do uzyskania indeksu w kolejności związkowej, jak w rozdziale ustalonym matematyki, gdzie użyliśmy funkcji Unii. Możemy również znaleźć związek indeksu za pomocą funkcji „concat ()”, która łączy ramkę danych i ustawia kolejność indeksu w sposób sekwencyjny.

Składnia metody conat ()

Składnia dla „indeksu.Metoda Unii ”

Przykład 1: Związek dwóch indeksów danych danych przy użyciu metody concat ()

W tym przykładzie używamy funkcji „concat ()” do „połączenia” indeksów dwóch danych danych. Łączenie dwóch ram danych jest prostym procesem. Chociaż funkcja „Unii” w Pandy jest podobna do związku, eliminuje również duplikaty. Zarówno Concat, jak i Drop Duplikates w Pandy używają Unii. Ta funkcja związkowa działa podobnie jak funkcja Unii w rozdziale matematyki „SETS”, łącząc wszystkie liczby sekwencyjne; Jednak w pandy powtarzana liczba jest upuszczana.

Korzystamy z narzędzia „Spyder” do wdrożenia kodu w pierwszym przykładzie artykułu. Pierwszym krokiem w każdym kodzie Python Panand jest import biblioteki pandy jako „PD”.

Będziemy teraz wygenerować ramkę danych. Aby połączyć ramki danych i zastosować związek w ich indeksach, zostaną utworzone dwie formy danych. Pierwsza, którą mamy, nazywa się „Tabela 1”. Zawiera dwie kolumny, „kursy” i „opłata”, każda z nich ma pewne wartości. W pierwszej kolumnie wymieniamy nazwiska kilku kursów programowych, w tym „Oop”, „Python”, „Java” i „Android Studio”. Wspomnialiśmy o opłatach za kurs w drugiej kolumnie „Fee”, a to „30000”, „35000”, „32000” i „25000”. Aby wygenerować naszą pierwszą „Tabela 1”, teraz wykorzystujemy „PD.DataFrame ”, jak widać na poniższym obrazku:

Tworzenie drugiej „Tabela” danych jest następnym etapem. Nazwy kolumn w tej formie danych są takie same jak w poprzednim ramie danych, ale ich wartości różnią się. W kolumnie „34000”, „32000”, „32000”, „32000”, „22000” i „24000” w „Opłaty” i „24000” w „Opłaty” i „24000” w „Opłaty” i „24000” w „Opłaty” i „24000” w „Opłaty” i „24000” w „Fee” i „24000” w „Fee” i „24000” w „Fee” i „24000” w „Fee” i „24000” w „Opłaty” i „24000” w „Feeucie” i „24000” w „Opłaty” i „24000” w „Feeucie” i „24000” w „Feeucie” i „24000” w „Opłaty”. kolumna. W celu generowania drugiej ramki danych, tabela2, znów używamy „PD.DataFrame ”, jak pokazano.

Teraz, w tej sekcji, zaimplementujemy główną funkcję naszych przykładów, która łączy dwie formy danych przy użyciu funkcji „concat ()” i stosując funkcję „Union” do ich indeksów. Metoda „conat ()” łączy elementy pandy na określonej osi z opcjonalną logiką ustawioną, która może być skrzyżowaniem lub unii wraz z innymi osiami. Tutaj użyliśmy „PD.Conat (Tabela 1, Tabela 2) ”, aby połączyć ramkę danych. Przeszliśmy również parametr „ignor_index = true”, ponieważ nie chcemy, aby indeks został powtórzony. Zamiast tego chcemy indeks w formie przyrostowej podczas łączenia ramek danych. Na koniec zapisaliśmy wynik zmiennej Unii i wydrukowaliśmy ją za pomocą funkcji „print ()”. W konsekwencji metoda „conat ()” zasadniczo wykorzysta indeks, aby znaleźć połączenie ramki danych.

Zwróćmy się do jego wyjścia, co pokazano na poniższym zdjęciu. Jak widzimy, połączenie naszych ramek danych działało pomyślnie za pomocą funkcji „concat ()”. Wyświetlane są dwie kolumny, „kursy” i „opłata”. Ponieważ nasz indeks nie jest powtarzany, jest wyświetlany w spiodzie Unii, jak widać, ponieważ przeszliśmy parametr funkcji „concat ()”, która jest „ignore_index = true”. Rozmiar indeksu, który obecnie mamy, to „8”, co oznacza, że ​​obejmuje zakres „0 do 7”.

Przykład 2: Łączenie indeksu za pomocą indeksu.Metoda Union ()

To jest prosty i kompaktowy przykład. Przed połączeniem dwóch indeksów w tym przykładzie zastosowaliśmy „indeks.Metoda Union () ”. Jak zawsze musimy zaimportować bibliotekę pandy jako „PD” przed uruchomieniem tego kodu. W tym przykładzie po prostu budujemy indeks, a nie ramkę danych. Aby utworzyć początkowe „indeks1”, użyliśmy „PD.indeks ”z liczbami„ 4 ”,„ 5 ”,„ 6 ”i„ 7 ”, a my zastosowaliśmy tę samą procedurę, jak widać dla„ indeks2 ”. Wartości „indeksu2” to „8”, „9”, „10” i „11”.

Jak widać, obecnie używamy „index1.Union (indeks2) ”. Utworzy zamówienie związkowe, łącząc oba indeksy. Następnie używamy metody „print ()” do wyświetlenia wygenerowanego wyniku.

Wynik wyjściowy pokazuje, że połączony indeks rozpoczyna się od numeru czwartego i kończy się na liczbie jedenastej. Tym razem wyświetlany jest pojedynczy wiersz indeksu. Wskazuje również, że jego danych jest „INT64”.

Przykład 3: Związek trzech indeksów danych danych przy użyciu metody concat ()

Ten przykład jest podobny do pierwszego przykładu, ale ten połączy trzy struki danych i zamówi ich indeksy sekwencyjnie. Ogólnie rzecz biorąc, indeks Pythona zwraca lokalizację podanego elementu na liście lub znaków w ciągu. Indeks zasadniczo określa pozycję elementu, aby po prostu go.

Musimy zaimportować bibliotekę pandas jako „PD”, zanim zaczniemy pisać kod dla tego przykładu. W tym scenariuszu należy utworzyć trzy struki danych. Pierwsza, którą mamy, nazywa się „Data1” i ma trzy kolumny „Student_name”, „Marks” i „Uwagi”. Niektóre wartości zostały dodane do tych kolumn. Mamy „Noah”, „Emma”, „Enna” i „George” w pierwszej kolumnie, „Student_name”, aw drugiej kolumnie „Marks” mamy listę znaków „450” ucznia „450”, „490 ”,„ 482 ”i„ 209 ”, a ostatnia kolumna zawiera„ uwagi ”ucznia albo„ podanie ”lub„ porażka ”. Teraz tworzymy tę ramkę danych, jak pokazano przy użyciu „PD.ramka danych".

Czas skonstruować drugą ramkę danych z trzema kolumnami, które będą identyczne z pierwszą, ale wartości kolumn są zmieniane. DataFrame nazywa się „Data2”. Mamy trzy kolumny „Student_name”, „Marks” i „Uwagi”. W pierwszej kolumnie „Student_name” mamy „Watson”, „Henry”, „James” i „Oliver” wartości w drugiej kolumnie, „Marks”, mamy „499”, „390”, „290 ”I„ 400 ”, aw ostatniej kolumnie mamy uwagi„ przejść ”lub„ upadek ”. Ta „Data2” jest zakończona, więc używamy tego samego „PD.DataFrame ”, aby to wyprodukować.

Czas utworzyć trzecią „Data3”, która ma trzy kolumny o tych samych nazwach co ostatnia ramka danych, ale z różnymi wartościami. Wartości, które mamy w pierwszej kolumnie, to „Archie”, „Ethan”, „Michael” i „Samuel”. W drugiej kolumnie mamy „230”, „498”, „290” i „403”, aw trzecim mamy „nieudane”, „pass”, „upadek” i „przejście”. Aby wygenerować trzecią „Data 3”, ponownie używamy „PD.ramka danych".

Tutaj łączymy nasze trzyframy danych i przypisujemy ich indeksy pod względem związkowym sekwencji za pomocą funkcji „concat ()” z jej parametrem. Tutaj używamy „PD.Conat (DF1, DF2, DF3) ”służy do łączenia ram danych, które są„ data1 ”,„ data2 ”i„ data3 ”. Jak widać, wykorzystaliśmy również „Ignorate_index = true”, który pominą powtarzany indeks i dostarczy mu nowy indeks, który jest dokładny i we właściwej kolejności, ponieważ pragniemy zamówienia Unii dla naszego indeksu. Ustaw opcję „Ignorore_index = True”, aby poinstruować połączenie, aby zignorować wszelkie obecnie używane wskaźniki. Następnie ustawi indeks rozpoczynający się od „0”, aby kontynuować wyniki. Aby przechowywać wynik wytworzony przez tę funkcję, inicjujemy zmienną „związek”. Następnie wywołujemy funkcję „print ()”, aby wyświetlić treść przechowywaną w tym „Unii”:

Ramy danych są łączone i wyświetlane jako pojedyncza ramka danych w wyjściu, jak można zobaczyć. Trzyframe danych są łączone przy użyciu funkcji „concat ()” i jej połączenia ich indeksów za pomocą parametru „ignore_index = true”. Ze względu na tę samą liczbę kolumn i te same nazwy kolumn w każdej z tych trzech ram danych, w wyniku nie wyświetlono żadnych dodatkowych kolumn. „Nazwa_patsywna”, „Marks” i „Uwagi” to trzy kolumny wyświetlane po konkatenacji. Widoczna jest reprezentacja indeksu; Zaczyna się od „0” i kończy się w „11”, co wskazuje, że rozmiar indeksu wynosi „12”.

Wniosek

W tym artykule połączyliśmy ramkę danych, aby uzyskać indeks związkowy, wykorzystując funkcję „concat ()”. Dodatkowo używamy parametru funkcji Conat „ignor_index = true”, ponieważ nie chcemy powtarzanego indeksu. W drugim przykładzie artykułu, który jest krótki i prosty, użyliśmy „indeksu.funkcja union () ”w celu połączenia indeksów i wyświetlania typu danych indeksu. Uważamy, że te metody uprości Twoje zadanie.