pandas      79

поля совпадающих строк из датафрейма emps. Однако важно понимать, что во множестве других случаев объединение методом right join — это не то же самое, что объединение inner join. Например, если в датафрейм salary добавить строку, для которой в emps нет совпадений, то объединение right join включит ее наряду со строками, имеющими совпадения в этом датафрейме.

ПРИМЕЧАНИЕ

Подробнее об объединении датафреймов см. в документации pandas1.

УПРАЖНЕНИЕ № 4: ИСПОЛЬЗОВАНИЕ РАЗНЫХ ТИПОВ JOIN

Важно понимать, как различные значения параметра how, переданного в метод join(), влияют на итоговый датафрейм.

Добавьте новую строку к датафрейму salary так, чтобы значение поля Empno для этой строки в датафрейме emps отсутствовало (в предыдущем разделе мы рассмотрели, как добавить строку в датафрейм с помощью объекта Series). После этого объедините датафреймы emps и salary так, чтобы новый датафрейм включал только те строки из emps, которые имеют совпадения в salary. Затем снова объедините emps и salary, но теперь так, чтобы новый датафрейм включал все строки из обоих датафреймов.

Объединение «один-ко-многим»

При объединении методом «один-ко-многим» (one-to-many) строка из одного датафрейма может соответствовать сразу нескольким строкам из другого датафрейма. Рассмотрим ситуацию, когда каждый продавец из датафрейма emps обработал несколько заказов. Это можно отобразить в датафрейме orders:

import pandas as pd

data = [[2608, 9001,35], [2617, 9001,35], [2620, 9001,139], [2621, 9002,95], [2626, 9002,218]]

orders = pd.DataFrame(data, columns = ['Pono', 'Empno', 'Total']) print(orders)

1https://pandas.pydata.org/pandas-docs/stable/reference/frame.html#combining- comparing-joining-merging

80      Глава 3. Библиотеки Python для data science

Так будет выглядеть orders:

Теперь, когда у вас есть датафрейм orders с заказами, можно объединить его

сдатафреймом сотрудников, созданным ранее. Это объединение типа «один- ко-многим», поскольку один сотрудник из датафрейма emps может быть связан

снесколькими строками из датафрейма orders:

emps_orders = emps.merge(orders, how='inner', left_on='Empno', right_on='Empno').set_index('Pono')

print(emps_orders)

Вэтом фрагменте кода мы применяем метод merge()для объединения данных из датафреймов emps и orders, имеющих связь «один-ко-многим». Метод merge() позволяет указать столбцы, по которым необходимо проводить объединение, сразу из обоих датафреймов, используя left_on для указания столбца из вызывающего датафрейма и right_on — для столбца из другого датафрейма. При использовании join() можно указать столбец, по которому нужно проводить объединение, только из вызывающего датафрейма. А из другого датафрейма join() берет столбец индексов.

Вэтом примере мы применяем внутренний тип объединения (inner), чтобы включить только связанные строки из обоих датафреймов. В результате получаем следующий датасет:

Рисунок 3.6 иллюстрирует, как работает объединение типа «один-ко-многим».

Как видно на рисунке, объединение «один-ко-многим» включает по одной строке для каждой строки в датасете на стороне ко-многим. Поскольку мы используем тип