Pandas vlookup

«Pandas» est une excellente langue pour effectuer l'analyse des données en raison de son grand écosystème de packages Python centrés sur les données. Cela facilite l'analyse et l'importation des deux facteurs. Le «Vlookup» représente la «recherche verticale». Il est utilisé pour fusionner les deux tables différentes dans le dataframe où il devrait y avoir des attributs communs entre eux (les deux tables). En tant que sortie, nous obtiendrons une seule table qui se compose des données des deux tables communes. Ceci est similaire à la fonction de recherche utilisée dans "Excel". Nous implémenterons toutes les méthodes possibles dans lesquelles le Pandas Vlookup est utilisé. Pour l'exécution des codes, nous utiliserons le «Spyder» qui est un logiciel écrit en «Python» dans une langue amicale.

Syntaxe:

«PD.fusionner (df1, df2, on = 'nom de colonne', comment = 'gauche')

La syntaxe fournie est utilisée pour le Vlookup en pandas. Nous le ferons en utilisant la fonction de «fusion» des pandas. Le «DF» dans la syntaxe est une abréviation du «DataFrame». Le «PD» est la bibliothèque Pandas et la fonction de fusion «DOT» avec lui. Il fait le travail de correspondance des similitudes entre les deux colonnes dans le dataframe. Ensuite, dans le support, nous pouvons écrire les noms DataFrame avec la méthode que nous voulons effectuer. Nous ferons toutes les méthodes: «intérieur», «gauche» et «droite.

Voici les façons dont la méthode Pandas Vlookup peut être effectuée. Nous le ferons avec les exemples pour une meilleure compréhension.

• • Fonction Vlookup Utilisation de Merge (jointure intérieure)
  • Fonction Vlookup Utilisation de Merge (jointure extérieure)
  • Fonction Vlookup Utilisation de Merge (Right Join)
  • Fonction Vlookup Utilisation de Merge (Join de gauche)

Création d'un dataframe pour l'exemple de l'implémentation de pandas vlookup

Pour créer un dataframe, ouvrez l'outil «Spyder» comme nous l'utiliserons pour les exemples. Nous importons d'abord la bibliothèque de pandas comme «PD». Le DataFrame se compose des «joueurs» et de «l'équipe». Les joueurs sont «N», «M», «O», «P», «Q» et «R». Et les équipes sont «onze» et «vingt». C'est ainsi que le DataFrame est créé avec l'instruction d'impression donnée.

La sortie affiche le DataFrame créé comme indiqué dans le code suivant:

Création d'un autre dataframe pour l'exemple de pandas vlookup

Ici, nous créerons une autre dataframe afin que faire l'application soit possible. Nous allons étape par étape afin qu'il y ait une compréhension claire du pandas vlookup. Le DataFrame se compose des «joueurs» et des «points». Les joueurs sont «36», «85», «44», «55», «35» et «25». Ensuite, l'instruction DataFrame «Imprimer» est réalisée pour la création du DataFrame qui est affichée sur la console de sortie.

La sortie montre une autre dataframe créée avec les données insérées dans le code:

Puisque nous avons créé deux dataframes distincts, nous les utilisons maintenant pour Impleto implémenter la fonction VLookup.

Exemple 1: fonction Vlookup à l'aide de la fusion (jointure de gauche)

Dans ce cas, nous effectuerons la fonction Vlookup à l'aide de la jointure de fusion. Le «DF» se compose des joueurs comme «Q», «W», «E,« R »,« T »et« Y »et les équipes« Seventeen »et« dix-huit ». Le deuxième DataFrame a les points «52», «18», «14», «13», «12» et «11». La fonction VLOOKUP admire les valeurs des tables DataFrame quelle colonne correspond. L'opération de jointure «gauche» fournit toutes les lignes de «First» DataFrame et fait la correspondance de la «seconde» vérifiant quelles lignes ne sont pas appariées afin que ces valeurs soient remplacées comme «nan».

Le NAN signifie «pas une valeur», ce qui signifie qu'il n'y a aucune valeur qui y est attribuée. Comme nous pouvons le voir, les «joueurs» sont la catégorie commune parmi les deux dataframes. Ainsi, l'état ON se réalise dessus et la jointure de gauche est sur l'endroit où cet exemple se déplace.

L'affichage affiche le VLookup DataFrame dans Pandas, alors que les joueurs suivent les informations de l'équipe et des points, respectivement.

Exemple 2: fonction Vlookup à l'aide de la fusion (jointure intérieure)

Ici, nous allons effectuer le pandas vlookup avec la jointure intérieure de fusion. Le DataFrame a les joueurs «A», «S», «D», «F», «G» et «H». Les deux dataframes ont le nom du même joueur. Le «DF1» est composé de l'équipe comme «douze et« dix-huit ». Alors que le «DF2» a des points de joueurs comme «91», «92», «93», «94», «95» et «96». La méthode que nous utilisons dans cet exemple pour la fonction VLookup est la jointure intérieure qui est utilisée pour exécuter la sortie uniquement les colonnes où la condition est satisfaite dans les deux colonnes résultantes. Nous spécifions le mot-clé «intérieur» pour les performances dans le dataframe.

Les résultats montrent que la jointure intérieure effectuée comme nous le voyons que la fonction Pandas Vlookup est représentée.

Exemple 3: fonction Vlookup à l'aide de la fusion (jointure à droite)

Dans l'exemple 1, nous avons fait l'opération de jointure de gauche pour le VLookup à Pandas. Ici, nous ferons un exemple du Pandas Vlookup en utilisant la jointure de la fusion «droite», qui est presque homogène comme «jointure de gauche». Le «DF» comprend les joueurs comme «Z», «X», «C», «V», «B et« K »dans les deux DataFrames. Le «DF1» implique les équipes comme «ovale», «carré» et «rectangle» où l'autre DF a les points comme «86», «85», «84», «83», «82» et «81» individuellement. La spécification de la jointure droite doit être avec le support de fusion tournant dans le code.

L'affichage affiche le bon jointure fonctionnant Dataframe de la fonction Pandas Vlookup, qui est similaire à l'opération de fusion de join.

Exemple 4: fonction Vlookup à l'aide de la fusion (jointure extérieure)

Ici, nous exécuterons la fonction de jointure extérieure pour le pandas vlookup. Le DataFrame est composé des données en tant que joueur pour le DataFrame comme «L», «J», «U», «T», «P» et «M». Le «DF1» se compose de l'équipe comme «cercle» et «vitesse». Le «DF2» se compose des points «77», «47», «35», «90» et «19». La jointure extérieure que nous utilisons ici est pour l'utilisation de la fourniture de l'affichage des données, ayant les deux dataframes dont la valeur correspond, et les valeurs non attribuées sont affichées comme «nan».

La sortie affiche la méthode de jointure extérieure de la fonction Pandas Vlookup. Le nan dans l'écran est les valeurs non affectées.

Conclusion

Le Pandas Vlookup à l'aide de l'opération Merge () facilite l'exécution de la fonction «Vlookup» dans le «style vlookup». Nous avons effectué toutes les méthodes dans lesquelles le Pandas Vlookup peut être utilisé. Nous l'avons fait en utilisant les fonctionnalités de fusion de «jointure intérieure», «jointure extérieure», «jointure de gauche» et méthodes «jointure droite». Toutes les méthodes ont de grandes performances en fonction des situations dans lesquelles le pandas vlookup peut être utilisé pour. Le Pandas Vlookup est apparu aussi pratique que nous pouvons voir les «données» de Dataframe toutes gérées et représentées bien. Toutes les colonnes supplémentaires ont été omises en écrivant une seule fois qu'elles sont courantes dans le dataframe. Les valeurs doivent être alarmantes, ce qui rend toutes les performances d'analyse pour une évaluation plus approfondie des données les meilleures et faciles à l'origine.