pandas 0.23 - pandas.merge_ordered()

pandas.merge_ordered




pandas

pandas.merge_ordered

pandas.merge_ordered(left, right, on=None, left_on=None, right_on=None, left_by=None, right_by=None, fill_method=None, suffixes=('_x', '_y'), how='outer') [source]

समय श्रृंखला डेटा जैसे ऑर्डर किए गए डेटा के लिए डिज़ाइन किए गए वैकल्पिक फिलिंग / इंटरपोलेशन के साथ मर्ज करें। वैकल्पिक रूप से समूह-वार मर्ज करें (उदाहरण देखें)

पैरामीटर:
left : DataFrame
right : DataFrame

on : लेबल या सूची

फ़ील्ड नामों पर शामिल होने के लिए। दोनों DataFrames में पाया जाना चाहिए।

बाएँ_ऑन : लेबल या सूची, या सरणी-जैसा

बाएं डेटाफ़्रेम में शामिल होने के लिए फ़ील्ड नाम। स्तंभों के बजाय किसी विशेष वेक्टर का उपयोग करने के लिए DataFrame की लंबाई के वैक्टर की एक वेक्टर या सूची हो सकती है

right_on : लेबल या सूची, या सरणी-जैसा

फ़ील्ड नाम दाएं डेटाफ़्रेम या वेक्टर / वैक्टर की सूची में बाएं_ऑन डॉक्स में शामिल होने के लिए

left_by : कॉलम नाम या कॉलम नामों की सूची

समूह डेटा कॉलम को समूह कॉलम द्वारा छोड़ दिया और सही डेटाफ़्रेम के साथ टुकड़ा द्वारा मर्ज करें

right_by : कॉलम नाम या कॉलम नामों की सूची

समूह कॉलम द्वारा सही डेटाफ़्रेम और बाएं डेटाफ़्रेम के साथ टुकड़े द्वारा मर्ज करें

fill_method : {'ffill', कोई नहीं}, डिफ़ॉल्ट कोई नहीं

डेटा के लिए प्रक्षेप विधि

प्रत्यय : 2-लंबाई अनुक्रम (टपल, सूची,…)

क्रमशः बाएँ और दाएँ पक्ष में ओवरलैपिंग कॉलम नामों पर लागू करने के लिए प्रत्यय

कैसे : {'बाएं', 'दाएँ', 'बाहरी', 'भीतरी'}, डिफ़ॉल्ट 'बाहरी'

  • बाएँ: बाएँ फ्रेम से केवल कुंजियों का उपयोग करें (SQL: बाहरी बाहरी जुड़ाव)
  • दाईं ओर: दाएं फ्रेम से केवल कुंजियों का उपयोग करें (SQL: दायाँ बाहरी जुड़ाव)
  • बाहरी: दोनों फ़्रेमों से कुंजियों का उपयोग करें (SQL: पूर्ण बाहरी जुड़ाव)
  • इनर: दोनों फ्रेम से कुंजियों के प्रतिच्छेदन का उपयोग करें (एसक्यूएल: इनर जॉइन)

संस्करण में नया 0.19.0।

यह दिखाता है:

विलय : डेटाफ़्रेम

आउटपुट प्रकार 'लेफ्ट' के समान होगा, यदि यह डेटाफ्रेम का उपवर्ग है।

यह भी देखें

merge , merge_asof

उदाहरण

>>> A                      >>> B
      key  lvalue group        key  rvalue
0   a       1     a        0     b       1
1   c       2     a        1     c       2
2   e       3     a        2     d       3
3   a       1     b
4   c       2     b
5   e       3     b
>>> merge_ordered(A, B, fill_method='ffill', left_by='group')
  group key  lvalue  rvalue
0     a   a       1     NaN
1     a   b       1     1.0
2     a   c       2     2.0
3     a   d       2     3.0
4     a   e       3     3.0
5     b   a       1     NaN
6     b   b       1     1.0
7     b   c       2     2.0
8     b   d       2     3.0
9     b   e       3     3.0