পাইথন - পান্ডাস ডেটাফ্রেমকে লেফট আউটার জয়েন দিয়ে মার্জ করুন

পান্ডাস ডেটাফ্রেম মার্জ করতে merge() ফাংশন ব্যবহার করা হয়। লেফট আউটার জয়েন দুটি ডেটাফ্রেমের ওপর merge() ফাংশনের how প্যারামিটার সেট করে বাস্তবায়ন করা হয়:

how = "left"

প্রথমে পান্ডাস লাইব্রেরি আlias দিয়ে ইম্পোর্ট করা হয়:

import pandas as pd

মার্জ করার জন্য দুটি ডেটাফ্রেম তৈরি করা হয়:

# DataFrame1 তৈরি
dataFrame1 = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'],
        "Units": [100, 150, 110, 80, 110, 90]
    }
)

# DataFrame2 তৈরি
dataFrame2 = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],
        "Reg_Price": [7000, 1500, 5000, 8000, 9000, 6000]
    }
)

সাধারণ কলাম Car এবং how প্যারামিটারে "left" সেট করে ডেটাফ্রেমগুলো মার্জ করা হয় যা লেফট আউটার জয়েন বাস্তবায়ন করে:

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

উদাহরণ

নিচে সম্পূর্ণ কোড দেওয়া হলো:

import pandas as pd

# DataFrame1 তৈরি
dataFrame1 = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'],
        "Units": [100, 150, 110, 80, 110, 90]
    }
)
print("DataFrame1 ...\n", dataFrame1)

# DataFrame2 তৈরি
dataFrame2 = pd.DataFrame(
    {
        "Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],
        "Reg_Price": [7000, 1500, 5000, 8000, 9000, 6000]
    }
)
print("\nDataFrame2 ...\n", dataFrame2)

# সাধারণ কলাম Car এবং "left" সেট করে লেফট আউটার জয়েন বাস্তবায়ন
mergedRes = pd.merge(dataFrame1, dataFrame2, on='Car', how="left")
print("\nলেফট আউটার জয়েন দিয়ে মার্জড ডেটাফ্রেম...\n", mergedRes)

আউটপুট

এটি নিচের আউটপুট দেবে:

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

লেফট আউটার জয়েন দিয়ে মার্জড ডেটাফ্রেম...
     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