# Kuinka yhdistää DataFrames pandas merge() -toiminnolla Pandas-toiminnolla `DataFrame.merge()` voit yhdistää DataFrame-kehyksiä avainten avulla. Näin voit yhdistää tehokkaasti eri lähteistä peräisin olevia tietoja ja suorittaa kattavampia analyyseja. ## Mikä on pandas `merge()`:n syntaksi? Python pandas DataFrame `merge()` -menetelmä voi hyväksyä erilaisia parametreja, joiden avulla kehittäjät voivat määrittää, miten DataFrames-kehykset tulisi yhdistää. `merge()` yleinen syntaksi on seuraava: ```python DataFrame.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None) ``` Huomio Pandas `merge()` -funktio on samanlainen kuin JOIN-operaatio SQL:ssä. Kokemus relaatiotietokannoista, kuten [SQL](https://www.ionos.com/fi-fi/digitalguide/palvelin/osaaminen/mikae-on-sql/), voi helpottaa pandas DataFrame `merge()` -menetelmän toiminnan ymmärtämistä. On kuitenkin syytä muistaa, että niissä on joitakin eroja. Pandasissa, jos molemmilla avainsarakkeilla on arvot, jotka arvioidaan *nollaksi*, myös nämä arvot yhdistetään. ### Mitä parametreja voidaan käyttää pandas `merge` kanssa? `merge()` hyväksymien eri parametrien avulla voit määrittää paitsi yhdistettävät [pandas DataFrames](https://www.ionos.com/fi-fi/digitalguide/verkkosivustot/verkkosivujen-kehittaeminen/python-pandas-dataframe/) -kehykset myös käytettävän liitostyypin ja muut yksityiskohdat.
Parametri Kuvaus Oletusarvo
vasen Ensimmäinen yhdistettävä DataFrame
oikea Toinen yhdistettävä DataFrame
miten Suoritettavan yhdistämistoiminnon tyyppi (`inner`, `outer`, `left`, `right`) `inner`
on Avainina käytettävät sarakkeet tai indeksitasot; niiden on oltava läsnä molemmissa DataFrame-kehyksissä
vasen\_on Vasemmalla DataFrame-kehyksessä olevat sarakkeet tai indeksitasot, joita tulisi käyttää avaimina
right\_on Oikean DataFrame-kehyksen sarakkeet tai indeksitasot, joita tulisi käyttää avaimina
left\_index Jos `True`, vasemman DataFrame-kehyksen indeksi käytetään avaimena `False`
right\_index Jos `True`, oikean DataFrame-kehyksen indeksi käytetään avaimena. `False`
sort Jos `True`, tuloksena olevan DataFrame-kehyksen avaimet lajitellaan leksikografisesti. `False`
jälkiliitteet Suffiksit, joita käytetään erottamaan samannimiset sarakkeet toisistaan. `("_x", "_y")`
kopio Jos `False`, kopiointia vältetään `True`
## Kuinka käyttää pandas `merge()` Alla on muutamia esimerkkejä, jotka auttavat havainnollistamaan pandas `merge()` tehokasta käyttöä. ### `INNER JOIN` INNER JOIN yhdistää kaksi pandas-DataFrame-taulukkoa ja **palauttaa vain rivit, joiden avaimet vastaavat molempia DataFrame-taulukoita**. Jotta voimme paremmin ymmärtää, miten tämä toimii, luodaan kaksi DataFrame-taulukkoa: ```python import pandas as pd # Sample DataFrames df1 = pd.DataFrame({ 'Key': ['A', 'B', 'C'], 'Value1': [1, 2, 3] }) df2 = pd.DataFrame({ 'Key': ['B', 'C', 'D'], 'Value2': [4, 5, 6] }) print(df1) print(df2) ``` Tuloksena saadut kaksi DataFrame-taulukkoa näyttävät tältä: ```none Key Value1 0 A 1 1 B 2 2 C 3 Key Value2 0 B 4 1 C 5 2 D 6 ``` Nyt voimme suorittaa `INNER JOIN` käyttämällä `merge()` -funktiota: ```python # INNER JOIN result = pd.merge(df1, df2, how='inner', on='Key') print(result) ``` Tuloksesta näkyy, että vain rivit, joilla on avaimet B ja C, sisältyvät DataFrame-kehykseen. Tämä johtuu siitä, että nämä kaksi avainta ovat olemassa **molemmissa alkuperäisissä DataFrame-kehyksissä**. ```none Key Value1 Value2 0 B 2 4 1 C 3 5 ``` ### `OUTER JOIN` An `OUTER JOIN` yhdistää myös kaksi DataFrame-taulukkoa, mutta toisin kuin `INNER JOIN`, se palauttaa **kaikki rivit** ja täyttää **puuttuvat arvot arvolla `NaN`**. ```python # OUTER JOIN result = pd.merge(df1, df2, how='outer', on='Key') print(result) ``` Alla oleva DataFrame sisältää **kaikki rivit molemmista DataFrame-taulukoista**. `NaN` käytetään puuttuvien arvojen korvaamiseen avaimessa A, joka on vain `df1` ssä, ja avaimessa D, joka on vain `df2`:ssa. ```none Key Value1 Value2 0 A 1.0 NaN 1 B 2.0 4.0 2 C 3.0 5.0 3 D NaN 6.0 ``` Huomio Muut `JOIN`:n vakiovaihtoehdot toimivat samalla tavalla. ### Käyttämällä `left_on` ja `right_on` Joskus kahdella DataFrame-kehyksellä on eri sarakkeiden nimet avaiminaan. Tällöin voit käyttää parametreja `left_on` ja `right_on` määrittääksesi, mitä sarakkeita käytetään. Luodaan ensin kaksi uutta DataFrame-kehystä: ```python df3 = pd.DataFrame({ 'Key': ['A', 'B', 'C'], 'Value1': [1, 2, 3] }) df4 = pd.DataFrame({ 'Key2': ['B', 'C', 'D'], 'Value2': [4, 5, 6] }) print(df3) print(df4) ``` Kaksi DataFrame-taulukkoa näyttävät seuraavalta: ```none Key Value1 0 A 1 1 B 2 2 C 3 Key2 Value2 0 B 4 1 C 5 2 D 6 ``` Voimme käyttää parametreja `left_on` ja `right_on` suorittaaksemme toiminnon `JOIN` eri avaimilla: ```python # Join with different key column names result = pd.merge(df3, df4, how='inner', left_on='Key', right_on='Key2') print(result) ``` Käyttämällä nimenomaisesti `left_on='Key'` ja `right_on='Key2'`, vastaavat avainkolumnit käytetään yhdistämiseen. ```none Key Value1 Key2 Value2 0 B 2 B 4 1 C 3 C 5 ``` ### Indeksien käyttö avaimina Voit myös käyttää **DataFrame-taulukoiden indeksejä avaimina** asettamalla parametrit `left_index` ja `right_index` arvoon `True`. Luodaan ensin kaksi uutta DataFrame-taulukkoa indekseillä: ```python df5 = pd.DataFrame({ 'Value1': [1, 2, 3] }, index=['A', 'B', 'C']) df6 = pd.DataFrame({ 'Value2': [4, 5, 6] }, index=['B', 'C', 'D']) print(df5) print(df6) ``` Tässä ovat DataFrames: ```none Value1 A 1 B 2 C 3 Value2 B 4 C 5 D 6 ``` Nyt voimme suorittaa `JOIN` indeksejä käyttämällä: ```python # JOIN with indices result = pd.merge(df5, df6, how='inner', left_index=True, right_index=True) print(result) ``` Tuloksena on `JOIN`, joka käyttää DataFrames-indeksejä: ```none Value1 Value2 B 2 4 C 3 5 ``` This is a markdown version of: [https://www.ionos.com/fi-fi/digitalguide/verkkosivustot/verkkosivujen-kehittaeminen/python-pandas-dataframe-yhdistaeminen/](https://www.ionos.com/fi-fi/digitalguide/verkkosivustot/verkkosivujen-kehittaeminen/python-pandas-dataframe-yhdistaeminen/) for AI/LLM consumption.