पायथन - पैंडास डेटाफ्रेम को लेफ्ट आउटर जॉइन के साथ मर्ज करें

पैंडास डेटाफ्रेम को मर्ज करने के लिए, merge() फ़ंक्शन का उपयोग करें। लेफ्ट आउटर जॉइन को merge() फ़ंक्शन के "how" पैरामीटर में "left" सेट करके दोनों डेटाफ्रेम पर लागू किया जाता है:

how = "left"

सबसे पहले, पैंडास लाइब्रेरी को एक उपनाम के साथ आयात करें:

import pandas as pd

मर्ज करने के लिए दो डेटाफ्रेम बनाएं:

# Create DataFrame1
dataFrame1 = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'],
        "Units": [100, 150, 110, 80, 110, 90]
    }
)
# Create DataFrame2
dataFrame2 = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],
        "Reg_Price": [7000, 1500, 5000, 8000, 9000, 6000]
    }
)

कॉमन कॉलम 'Car' और "how" पैरामीटर में "left" के साथ डेटाफ्रेम मर्ज करें, जो लेफ्ट आउटर जॉइन को लागू करता है:

mergedRes = pd.merge(dataFrame1, dataFrame2, on='Car', how="left")

उदाहरण

निम्नलिखित कोड है:

import pandas as pd
# Create DataFrame1
dataFrame1 = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'],
        "Units": [100, 150, 110, 80, 110, 90]
    }
)
print("DataFrame1 ...\n", dataFrame1)
# Create DataFrame2
dataFrame2 = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],
        "Reg_Price": [7000, 1500, 5000, 8000, 9000, 6000]
    }
)
print("\nDataFrame2 ...\n", dataFrame2)
# merge DataFrames with common column Car and "left" in "how" parameter implements Left Outer Join
mergedRes = pd.merge(dataFrame1, dataFrame2, on='Car', how="left")
print("\nMerged dataframe with left outer join...\n", mergedRes)

आउटपुट

यह निम्नलिखित आउटपुट देगा:

DataFrame1 ... 
    Car  Units
0  BMW    100
1  Lexus  150
2  Audi   110
3  Mustang 80
4  Bentley 110
5  Jaguar 90
DataFrame2 ... 
    Car  Reg_Price
0  BMW    7000
1  Lexus  1500
2  Tesla  5000
3  Mustang 8000
4  Mercedes 9000
5  Jaguar 6000
Merged dataframe with left outer join...
    Car  Units  Reg_Price
0  BMW    100   7000.0
1  Lexus  150   1500.0
2  Audi   110   NaN
3  Mustang 80   8000.0
4  Bentley 110  NaN
5  Jaguar  90   6000.0