python join

mynuonglybao

New member
Credits
224
## Python Tham gia

# Python
# Khoa học dữ liệu
# Học máy
# Tham gia
# SQL

** Python tham gia là gì? **

Trong Python, một lần tham gia là một hoạt động kết hợp hai hoặc nhiều chuỗi thành một.Loại tham gia phổ biến nhất là tham gia bên trong, trả về tất cả các hàng từ chuỗi đầu tiên có các giá trị phù hợp trong chuỗi thứ hai.Ví dụ: nếu bạn có hai bảng dữ liệu, một bảng được gọi là `khách hàng 'và một bảng gọi là` order`, bạn có thể sử dụng một tham gia bên trong để tìm tất cả các khách hàng đã đặt hàng.

Cú pháp cho tham gia Python như sau:

`` `
pd.merge (left_table, right_table, on = 'key')
`` `

Trong đó `left_table` và` right_table` là hai bảng được nối và `key` là cột hoặc cột mà hai bảng có điểm chung.

** Cách sử dụng python tham gia? **

Để sử dụng tham gia Python, trước tiên bạn cần nhập thư viện `pandas`.Sau đó, bạn có thể tạo hai khung dữ liệu, một cho bảng bên trái và một cho bảng bên phải.Cuối cùng, bạn có thể sử dụng hàm `Merge ()` để tham gia hai DataFrames.

Ví dụ: mã sau đây tạo hai khung dữ liệu, một cho khách hàng và một cho đơn đặt hàng.Sau đó, nó sử dụng một tham gia bên trong để tìm tất cả các khách hàng đã đặt hàng.

`` `
nhập khẩu gấu trúc dưới dạng PD

Khách hàng = pd.dataFrame ({
'customer_id': [1, 2, 3, 4, 5],
'Tên': ['John Smith', 'Jane Doe', 'Michael Jones', 'Mary Johnson', 'David Brown']]
})

đơn hàng = pd.dataFrame ({
'order_id': [1, 2, 3, 4, 5],
'customer_id': [1, 2, 3, 4, 5],
'Product_id': [1, 2, 3, 4, 5]
})

tham gia_df = pd.merge (khách hàng, đơn đặt hàng, ON = 'customer_id'))

in (tham gia_df)
`` `

Đầu ra:

`` `
customer_id tên order_id sản phẩm_id
0 1 John Smith 1 1
1 2 Jane Doe 2 2
2 3 Michael Jones 3 3
3 4 Mary Johnson 4 4
4 5 David Brown 5 5
`` `

** Các loại tham gia khác **

Ngoài các lần nối bên trong, còn có các loại tham gia khác mà bạn có thể sử dụng trong Python.Bao gồm các:

*** Tham gia bên ngoài ** Trả về tất cả các hàng từ cả hai bảng, ngay cả khi không có giá trị phù hợp trong bảng thứ hai.
*** Tham gia bên trái ** Trả về tất cả các hàng từ bảng bên trái, ngay cả khi không có giá trị phù hợp trong bảng bên phải.
*** Tham gia bên phải ** Trả về tất cả các hàng từ bảng bên phải, ngay cả khi không có giá trị phù hợp trong bảng bên trái.

Bạn có thể tìm hiểu thêm về các loại tham gia khác nhau trong [Tài liệu Pandas] (https://pandas.pydata.org/pandas-docs/stable/user_guide/merging.html).

## Phần kết luận

Trong bài viết này, chúng tôi đã tìm hiểu về Python tham gia.Chúng tôi đã thảo luận về sự tham gia là gì, làm thế nào để sử dụng tham gia python và các loại tham gia khác nhau có sẵn.Chúng tôi cũng cung cấp một ví dụ về cách sử dụng Python tham gia để tìm tất cả các khách hàng đã đặt hàng.
=======================================
## Python Join

# Python
# Data Science
# Machine Learning
# Join
# SQL

**What is Python Join?**

In Python, a join is an operation that combines two or more sequences into one. The most common type of join is an inner join, which returns all rows from the first sequence that have matching values in the second sequence. For example, if you have two tables of data, one called `customers` and one called `orders`, you could use an inner join to find all customers who have placed an order.

The syntax for a Python join is as follows:

```
pd.merge(left_table, right_table, on='key')
```

Where `left_table` and `right_table` are the two tables to be joined, and `key` is the column or columns that the two tables have in common.

**How to use Python Join?**

To use a Python join, you first need to import the `pandas` library. Then, you can create two dataframes, one for the left table and one for the right table. Finally, you can use the `merge()` function to join the two dataframes.

For example, the following code creates two dataframes, one for customers and one for orders. It then uses an inner join to find all customers who have placed an order.

```
import pandas as pd

customers = pd.DataFrame({
'customer_id': [1, 2, 3, 4, 5],
'name': ['John Smith', 'Jane Doe', 'Michael Jones', 'Mary Johnson', 'David Brown']
})

orders = pd.DataFrame({
'order_id': [1, 2, 3, 4, 5],
'customer_id': [1, 2, 3, 4, 5],
'product_id': [1, 2, 3, 4, 5]
})

joined_df = pd.merge(customers, orders, on='customer_id')

print(joined_df)
```

Output:

```
customer_id name order_id product_id
0 1 John Smith 1 1
1 2 Jane Doe 2 2
2 3 Michael Jones 3 3
3 4 Mary Johnson 4 4
4 5 David Brown 5 5
```

**Other types of joins**

In addition to inner joins, there are also other types of joins that you can use in Python. These include:

* **Outer joins** return all rows from both tables, even if there are no matching values in the second table.
* **Left joins** return all rows from the left table, even if there are no matching values in the right table.
* **Right joins** return all rows from the right table, even if there are no matching values in the left table.

You can learn more about the different types of joins in the [Pandas documentation](https://pandas.pydata.org/pandas-docs/stable/user_guide/merging.html).

## Conclusion

In this article, we learned about Python joins. We discussed what a join is, how to use a Python join, and the different types of joins that are available. We also provided an example of how to use a Python join to find all customers who have placed an order.
 
Join ToolsKiemTrieuDoGroup
Back
Top