[Pandas] DataFrame Join (concat, merge)

[Pandas] 데이터 프레임 합치기 연습¶

In [1]:

import pandas as pd

In [2]:

df1 = pd.DataFrame({
    'id' : [1, 2, 3],
    'customer_id' : [1, 2, 3],
    'customer_name' : ['Robert', 'Peter', 'Dave']
})
df1

Out[2]:

	id	customer_id	customer_name
0	1	1	Robert
1	2	2	Peter
2	3	3	Dave

In [3]:

df2 = pd.DataFrame({
    'id' : [1, 2, 3],
    'order_id' : [100, 200, 300],
    'order_date' : ['2021-01-21', '2021-02-03', '2020-10-01']
})
df2

Out[3]:

	id	order_id	order_date
0	1	100	2021-01-21
1	2	200	2021-02-03
2	3	300	2020-10-01

concat(): 두 데이터 프레임을 합치는 첫번째 방법¶

• pd.concat([df1, df2])

In [4]:

pd.concat([df1, df2]) #위 아래로 붙이기

Out[4]:

	id	customer_id	customer_name	order_id	order_date
0	1	1.0	Robert	NaN	NaN
1	2	2.0	Peter	NaN	NaN
2	3	3.0	Dave	NaN	NaN
0	1	NaN	NaN	100.0	2021-01-21
1	2	NaN	NaN	200.0	2021-02-03
2	3	NaN	NaN	300.0	2020-10-01

In [5]:

pd.concat([df1, df2], axis = 1) #axis = 0 : 위아래, axis = 1 : 왼쪽/오른쪽

Out[5]:

	id	customer_id	customer_name	id	order_id	order_date
0	1	1	Robert	1	100	2021-01-21
1	2	2	Peter	2	200	2021-02-03
2	3	3	Dave	3	300	2020-10-01

merge(): 두 데이터 프레임을 합치는 두번째 방법¶

• SQL의 JOIN 함수와 동일
• pd.merge(df1, df2, on = 'Column name', how = 'join_methid(inner, outer, left, right')
• 결합방법
  1. inner : 내부 조인 - SQL의 INNER JOIN 과 동일
  2. outer : 완전 외부 조인 - SQL의 OUTER JOIN 과 동일
  3. left : 왼쪽 우선 외부 조인 - SQL의 LEFT OUTER JOIN 과 동일
  4. right : 오른쪽 우선 외부 조인 - SQL의 RIGHT OUTER JOIN 과 동일

In [6]:

df1 = pd.DataFrame({
    'id' : [1, 2, 3],
    'customer_id' : [1, 2, 3],
    'customer_name' : ['Robert', 'Peter', 'Dave']
})
df1

Out[6]:

	id	customer_id	customer_name
0	1	1	Robert
1	2	2	Peter
2	3	3	Dave

In [7]:

df2 = pd.DataFrame({
    'id' : [1, 2, 4],
    'order_id' : [100, 200, 300],
    'order_date' : ['2021-01-21', '2021-02-03', '2020-10-01']
})
df2

Out[7]:

	id	order_id	order_date
0	1	100	2021-01-21
1	2	200	2021-02-03
2	4	300	2020-10-01

merge(how = 'inner')¶

• on 컬럼값이 두 데이터 프레임에서 동일한 행만 가져옴

In [8]:

pd.merge(df1,df2) # default는 on = 첫번째 column, how = inner

Out[8]:

	id	customer_id	customer_name	order_id	order_date
0	1	1	Robert	100	2021-01-21
1	2	2	Peter	200	2021-02-03

In [9]:

pd.merge(df1,df2, on = 'id', how = 'inner')

Out[9]:

	id	customer_id	customer_name	order_id	order_date
0	1	1	Robert	100	2021-01-21
1	2	2	Peter	200	2021-02-03

merge(how = 'outer')¶

• 모든 Data를 Join

In [10]:

pd.merge(df1,df2, on = 'id', how = 'outer') # 모든 Data를 Join

Out[10]:

	id	customer_id	customer_name	order_id	order_date
0	1	1.0	Robert	100.0	2021-01-21
1	2	2.0	Peter	200.0	2021-02-03
2	3	3.0	Dave	NaN	NaN
3	4	NaN	NaN	300.0	2020-10-01

merge(how = 'left')¶

• left data frame(df1)의 id column 기준으로 join

In [11]:

pd.merge(df1,df2, on = 'id', how = 'left') # left data frame(df1)의 id column 기준으로 join

Out[11]:

	id	customer_id	customer_name	order_id	order_date
0	1	1	Robert	100.0	2021-01-21
1	2	2	Peter	200.0	2021-02-03
2	3	3	Dave	NaN	NaN

merge(how = 'right')¶

• right data frame(df2)의 id column 기준으로 join

In [12]:

pd.merge(df1,df2, on = 'id', how = 'right') # right data frame(df2)의 id column 기준으로 join

Out[12]:

	id	customer_id	customer_name	order_id	order_date
0	1	1.0	Robert	100	2021-01-21
1	2	2.0	Peter	200	2021-02-03
2	4	NaN	NaN	300	2020-10-01