# Kako združiti DataFrames s pandas merge() S funkcijo pandas `DataFrame.merge()` lahko združujete DataFrames z uporabo ključev. To vam omogoča učinkovito združevanje podatkov iz različnih virov, kar vam omogoča izvajanje bolj celovitih analiz. ## Kakšna je sintaksa za pandas `merge()`? Metoda Python pandas DataFrame `merge()` sprejema različne parametre, kar razvijalcem omogoča, da določijo, kako naj se DataFrames združijo. Splošna sintaksa funkcije `merge()` je naslednja: ```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) ``` Note Funkcija pandas `merge()` je podobna operaciji JOIN v SQL. Izkušnje z relacijskimi bazami podatkov, kot [je SQL](https://www.ionos.com/sl-si/digitalguide/streznik/znanje/kaj-je-sql/), lahko olajšajo razumevanje delovanja metode pandas DataFrame `merge()`. Upoštevajte pa, da obstajajo nekatere razlike. V pandas, če imata obe ključni stolpci vrednosti, ki se izračunajo kot *ničelne*, se te vrednosti prav tako združijo. ### Kateri parametri se lahko uporabljajo s pandas `merge`? Različni parametri, ki jih sprejema `merge()`, vam omogočajo, da določite ne le, katere [pandas DataFrames](https://www.ionos.com/sl-si/digitalguide/spletne-strani/razvoj-spletnih-strani/python-pandas-dataframe/) želite združiti, ampak tudi, kateri tip združitve želite uporabiti, ter druge podrobnosti.
Parameter Opis Privzeta vrednost
levo Prvi DataFrame, ki se združi
desno Drugi DataFrame, ki ga je treba združiti
kako Vrsta operacije združevanja, ki jo je treba izvesti (`inner`, `outer`, `left`, `right`) `inner`
na Stolpci ali ravni indeksa, ki se uporabijo kot ključi; morajo biti prisotni v obeh DataFrames.
left\_on Stolpec(-ci) ali indeksna raven(-i) levega DataFrame-a, ki naj se uporabi(-jo) kot ključ(-i)
desno\_na Stolpec(-i) ali indeksna raven(-e) desnega DataFrame-a, ki naj se uporabi(-jo) kot ključ(-i)
left\_index Če je `True`, se indeks levega DataFrame uporabi kot ključ `False`
desni\_indeks Če je `True`, se kot ključ uporabi indeks desnega DataFrame-a. `False`
sort Če je `True`, so ključi končnega DataFrame razvrščeni leksikografsko. `False`
pona Pripone, ki se uporabljajo za razlikovanje stolpcev z enakim imenom. `("_x", "_y")`
kopija Če je `False`, se kopiranje izogne. `True`
## Kako uporabljati pandas `merge()` Spodaj je nekaj primerov, ki pomagajo ponazoriti, kako učinkovito uporabljati pandas `merge()`. ### `INNER JOIN` INNER JOIN združi dva pandas DataFrames in **vrne samo vrstice, kjer se ključi ujemajo v obeh DataFrames**. Da bi bolje razumeli, kako to deluje, ustvarimo dva DataFrames: ```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) ``` Dva nastala DataFrames sta videti takole: ```none Key Value1 0 A 1 1 B 2 2 C 3 Key Value2 0 B 4 1 C 5 2 D 6 ``` Sedaj lahko izvedemo `INNER JOIN` z uporabo funkcije `merge()`: ```python # INNER JOIN result = pd.merge(df1, df2, how='inner', on='Key') print(result) ``` Izhodni podatki kažejo, da so v DataFrame vključene samo vrstice, ki imajo ključa B in C. To je zato, ker ta dva ključa obstajata v **obeh izvirnih DataFrame**. ```none Key Value1 Value2 0 B 2 4 1 C 3 5 ``` ### `OUTER JOIN` An `OUTER JOIN` prav tako združi dva DataFrames, vendar za razliko od `INNER JOIN` vrne **vse vrstice** in izpolni **manjkajoče vrednosti s `NaN`**. ```python # OUTER JOIN result = pd.merge(df1, df2, how='outer', on='Key') print(result) ``` Spodnji DataFrame vključuje **vse vrstice iz obeh DataFrames**. `NaN` se uporablja za manjkajoče vrednosti v ključu A, ki je samo v `df1`, in ključu D, ki je samo v `df2`. ```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 ``` Note Druge standardne različice `JOIN` delujejo na podoben način. ### Uporaba `left_on` in `right_on` Včasih imata dva DataFrames različna imena stolpcev za svoje ključe. V tem primeru lahko uporabite parametra `left_on` in `right_on`, da določite, katere stolpce želite uporabiti. Najprej ustvarimo dva nova DataFrames: ```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) ``` Oba DataFrames sta videti takole: ```none Key Value1 0 A 1 1 B 2 2 C 3 Key2 Value2 0 B 4 1 C 5 2 D 6 ``` Parametre `left_on` in `right_on` lahko uporabimo za izvedbo operacije `JOIN` z različnimi tipkami: ```python # Join with different key column names result = pd.merge(df3, df4, how='inner', left_on='Key', right_on='Key2') print(result) ``` Z izrecno uporabo `left_on='Key'` in `right_on='Key2'` se za združevanje uporabijo ustrezni ključni stolpci. ```none Key Value1 Key2 Value2 0 B 2 B 4 1 C 3 C 5 ``` ### Uporaba indeksov kot ključev **Indekse DataFrames** lahko uporabite tudi **kot ključe**, tako da parametra `left_index` in `right_index` nastavite na `True`. Najprej ustvarimo dva nova DataFrames z indeksi: ```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) ``` Tukaj so podatkovni okviri: ```none Value1 A 1 B 2 C 3 Value2 B 4 C 5 D 6 ``` Sedaj lahko izvedemo operacijo `JOIN` z uporabo indeksov: ```python # JOIN with indices result = pd.merge(df5, df6, how='inner', left_index=True, right_index=True) print(result) ``` Rezultat je `JOIN`, ki uporablja indekse iz DataFrames: ```none Value1 Value2 B 2 4 C 3 5 ``` This is a markdown version of: [https://www.ionos.com/sl-si/digitalguide/spletne-strani/razvoj-spletnih-strani/python-pandas-zdruzevanje-podatkovnih-okvirov/](https://www.ionos.com/sl-si/digitalguide/spletne-strani/razvoj-spletnih-strani/python-pandas-zdruzevanje-podatkovnih-okvirov/) for AI/LLM consumption.