Cole em algum editor de texto merge = left, right, outer, inner left: - prioridade do dataframe da esquerda - inclui todas as linhas do dataframe da esquerda em um novo dataframe - se uma chave do dataframe da esquerda não existir no dataframe da direita, as novas colunas do dataframe da direita será valor NaN no terceiro df - se a chave só existir no dataframe da direita e não no da esquerda, ele não será incluido no terceiro dataframe - para que o valor do dataframe da direita seja incluido no terceiro, tem que haver correspondência nas chaves. DF_ESQUERDA DF_DIREITA TERCEIRO_DF CHAVE A B CHAVE C D -> CHAVE A B C D 0 K1 A1 B1 0 K1 C1 D1 -> 0 K1 A1 B1 C1 D1 1 K2 A2 B2 1 K2 C2 D2 -> 1 K2 A2 B2 C2 D2 2 K3 A3 B3 2 K4 C4 D4 -> 2 K3 A3 B3 NaN NaN right: - prioridade do dataframe da direita - inclui todas as linhas do dataframe da direita em um novo dataframe - se uma chave do dataframe da direita não existir no dataframe da esquerda, as novas colunas do dataframe da esquerda será valor NaN no terceiro df - se a chave só existir no dataframe da esquerda e não no da direita, ele não será incluido no terceiro dataframe - para que o valor do dataframe da esquerda seja incluido no terceiro, tem que haver correspondência nas chaves. DF_ESQUERDA DF_DIREITA TERCEIRO_DF CHAVE A B CHAVE C D -> CHAVE A B C D 0 K1 A1 B1 0 K1 C1 D1 -> 0 K1 A1 B1 C1 D1 1 K2 A2 B2 1 K2 C2 D2 -> 1 K2 A2 B2 C2 D2 2 K3 A3 B3 2 K4 C4 D4 -> 2 K4 NaN NaN C4 D4 outer: - sem prioridades - inclui todas as linhas do dataframe da esquerda e da direita em um novo dataframe - indepedente se há correspondência de chaves ou não - se não houver correspondência de chaves as colunas que não há valor será preenchida com NaN - se houver correspondência, os valores serão preenchidos com os valores do outro dataframe DF_ESQUERDA DF_DIREITA TERCEIRO_DF CHAVE A B CHAVE C D -> CHAVE A B C D 0 K1 A1 B1 0 K1 C1 D1 -> 0 K1 A1 B1 C1 D1 1 K2 A2 B2 1 K2 C2 D2 -> 1 K2 A2 B2 C2 D2 2 K3 A3 B3 2 K4 C4 D4 -> 2 K3 A3 B3 NaN NaN 3 K4 NaN NaN C4 D4 inner: - sem prioridades - inclui apenas as linhas que há correspondência nos dois dataframes - para que a chave passe para o terceiro dataframe, a chave tem que existir no dataframe da esquerda e no da direita. - as chaves que não existir nos dois dataframes não irá para o terceiro dataframe, assim, não haverá valores NaN DF_ESQUERDA DF_DIREITA TERCEIRO_DF CHAVE A B CHAVE C D -> CHAVE A B C D 0 K1 A1 B1 0 K1 C1 D1 -> 0 K1 A1 B1 C1 D1 1 K2 A2 B2 1 K2 C2 D2 -> 1 K2 A2 B2 C2 D2 2 K3 A3 B3 2 K4 C4 D4 ->
Como colcoar um Where no Merge? Digamos que eu quero coisas em comum em 2 Frames que tenham colunas onde algun registros são correspondentes, colocando no comando ON. Mas depois disso eu quero colocar uma condição em relação ao Frame da direita, tipo um left join no SQL com clausula Where?
Ótima explicação!!! Queria ver como faz para sobrepor uma linha quando eu tenho uma coluna pra ID e outra pra Data de Modificação e o ID continua o mesmo mas a data de modificação altera... :P
É possível fazer um merge de dois dataframe caso as colunas chaves sejam ao inves de números serem strings ? Tenho uma situação dessa forma. Se não é possível como poderia ser feito sendo as colunas do tipo string ?
Eu entendi entao q, se eu tenho o merge, não faz sentido eu usar o join, já que eu consigo fazer tudo q faria com o join, usando o merge, não é isso? Se entendi errado, prfvr, me corriga.
A grosso modo sim. Mas em análise de dados, usamos mais o inner join e depois o left join. Isso por que o inner já traz os resultados mais limpos e prontos pro próximo passo na análise, porém as tabelas precisam ter dados confiáveis, caso contrário use o left para não perder dados Você resolve 99% dos seus problemas envolvendo join com esses dois joins.
ah não mano, tá errado isso ai rsrsrs não é passado nenhum parametro dizendo onde está o ID de cada dataframe. É só usar o ID iguais que o pandas já reconhece ?
Melhor explicação do tema que já vi!
Hoje finalmente entendi 100% sobre left, right, inner, outer join!
Excelente explicação, tinha assistido outros vídeos e não estava entendendo. Muito obrigado!
Cara que explicação show de bola
aula baitaaaaaa, nao pare com esses videos, ajuda de mais a genteeeee
tu devia fazer um curso de SQL. Explicação maravilhosa dos Joins, não vi melhor ate hoje.
Muito obrigado!! Entendi perfeitamente você explicou de forma muito clara e direta! Melhor do que muito curso pago.
Top, parabéns
Muito bom!
Mano, muito obrigado, me ajudou demais, tava apanhando aqui por horas e consegui fazer o que eu queria usando o join com left, valeuzão!
Melhor explicação que já encontrei sobre o tópico. Parabéns!
Muito bom cara, parabéns pela iniciativa
Obrigado Yan! Estamos preparando bastante lançamento relevante nessa área. Grande abraço!
Animal a aula! Fácil de entender.
Excelente explicação! bem didático e fácil de entender
Muito bom mesmo! Parabéns
Cole em algum editor de texto
merge = left, right, outer, inner
left:
- prioridade do dataframe da esquerda
- inclui todas as linhas do dataframe da esquerda em um novo dataframe
- se uma chave do dataframe da esquerda não existir no dataframe da direita, as novas colunas do dataframe da direita será valor NaN no terceiro df
- se a chave só existir no dataframe da direita e não no da esquerda, ele não será incluido no terceiro dataframe
- para que o valor do dataframe da direita seja incluido no terceiro, tem que haver correspondência nas chaves.
DF_ESQUERDA DF_DIREITA TERCEIRO_DF
CHAVE A B CHAVE C D -> CHAVE A B C D
0 K1 A1 B1 0 K1 C1 D1 -> 0 K1 A1 B1 C1 D1
1 K2 A2 B2 1 K2 C2 D2 -> 1 K2 A2 B2 C2 D2
2 K3 A3 B3 2 K4 C4 D4 -> 2 K3 A3 B3 NaN NaN
right:
- prioridade do dataframe da direita
- inclui todas as linhas do dataframe da direita em um novo dataframe
- se uma chave do dataframe da direita não existir no dataframe da esquerda, as novas colunas do dataframe da esquerda será valor NaN no terceiro df
- se a chave só existir no dataframe da esquerda e não no da direita, ele não será incluido no terceiro dataframe
- para que o valor do dataframe da esquerda seja incluido no terceiro, tem que haver correspondência nas chaves.
DF_ESQUERDA DF_DIREITA TERCEIRO_DF
CHAVE A B CHAVE C D -> CHAVE A B C D
0 K1 A1 B1 0 K1 C1 D1 -> 0 K1 A1 B1 C1 D1
1 K2 A2 B2 1 K2 C2 D2 -> 1 K2 A2 B2 C2 D2
2 K3 A3 B3 2 K4 C4 D4 -> 2 K4 NaN NaN C4 D4
outer:
- sem prioridades
- inclui todas as linhas do dataframe da esquerda e da direita em um novo dataframe
- indepedente se há correspondência de chaves ou não
- se não houver correspondência de chaves as colunas que não há valor será preenchida com NaN
- se houver correspondência, os valores serão preenchidos com os valores do outro dataframe
DF_ESQUERDA DF_DIREITA TERCEIRO_DF
CHAVE A B CHAVE C D -> CHAVE A B C D
0 K1 A1 B1 0 K1 C1 D1 -> 0 K1 A1 B1 C1 D1
1 K2 A2 B2 1 K2 C2 D2 -> 1 K2 A2 B2 C2 D2
2 K3 A3 B3 2 K4 C4 D4 -> 2 K3 A3 B3 NaN NaN
3 K4 NaN NaN C4 D4
inner:
- sem prioridades
- inclui apenas as linhas que há correspondência nos dois dataframes
- para que a chave passe para o terceiro dataframe, a chave tem que existir no dataframe da esquerda e no da direita.
- as chaves que não existir nos dois dataframes não irá para o terceiro dataframe, assim, não haverá valores NaN
DF_ESQUERDA DF_DIREITA TERCEIRO_DF
CHAVE A B CHAVE C D -> CHAVE A B C D
0 K1 A1 B1 0 K1 C1 D1 -> 0 K1 A1 B1 C1 D1
1 K2 A2 B2 1 K2 C2 D2 -> 1 K2 A2 B2 C2 D2
2 K3 A3 B3 2 K4 C4 D4 ->
salvouuu, valeu demais kkk
Como colcoar um Where no Merge? Digamos que eu quero coisas em comum em 2 Frames que tenham colunas onde algun registros são correspondentes, colocando no comando ON. Mas depois disso eu quero colocar uma condição em relação ao Frame da direita, tipo um left join no SQL com clausula Where?
Mestre como unir vários txt que constam em um diretório com o pandas
Ótima explicação!!!
Queria ver como faz para sobrepor uma linha quando eu tenho uma coluna pra ID e outra pra Data de Modificação e o ID continua o mesmo mas a data de modificação altera... :P
tem como eu escolher por qual coluna eu vou da merge? eu tenho 2 planilhas muito parecidas, porém so muda a ultima coluna, excelente video
É possível fazer um merge de dois dataframe caso as colunas chaves sejam ao inves de números serem strings ?
Tenho uma situação dessa forma. Se não é possível como poderia ser feito sendo as colunas do tipo string ?
Como você colocou esse autocomplete no jupyter?
E como fazer o JOIN das ID's correspondentes em diferentes tabelas?
amigo parabéns!!!
o comando .dropna() transforma o merge_outer em merge_inner??? ou só retina os NaN?
O dropna() retira todos os dados faltosos nesse caso os NaN (not a number)
Quero unir só por colunas, e as colunas com nomes diferentes.
não consigo de jeito nenhum fazer merge com dois arquivos csv. só da erro 'KeyError: 'id''
Eu entendi entao q, se eu tenho o merge, não faz sentido eu usar o join, já que eu consigo fazer tudo q faria com o join, usando o merge, não é isso? Se entendi errado, prfvr, me corriga.
O LEFT MERGE, é como se fosse o PROCV do Excel ?
A grosso modo sim. Mas em análise de dados, usamos mais o inner join e depois o left join. Isso por que o inner já traz os resultados mais limpos e prontos pro próximo passo na análise, porém as tabelas precisam ter dados confiáveis, caso contrário use o left para não perder dados Você resolve 99% dos seus problemas envolvendo join com esses dois joins.
ah não mano, tá errado isso ai rsrsrs não é passado nenhum parametro dizendo onde está o ID de cada dataframe. É só usar o ID iguais que o pandas já reconhece ?