Leer Gegevens Samenvoegen | Combining, Aggregating

Veeg om het menu te tonen

Gegevens samenvoegen uit meerdere bronnen is een veelvoorkomende taak bij data wrangling, vooral wanneer je je primaire dataset wilt verrijken met extra inzichten. In dit hoofdstuk leer je hoe je games_df kunt samenvoegen met spy_insights_df met behulp van de kolom app_id als sleutel. Polars biedt flexibele en efficiënte join-operaties, waardoor het eenvoudig is om datasets te combineren en te bepalen hoe niet-overeenkomende rijen worden behandeld. De twee meest gebruikte join-types zijn de left join en de inner join.

Een left join retourneert alle rijen uit de linker DataFrame (games_df) en voegt overeenkomende rijen toe uit de rechter DataFrame (spy_insights_df). Als er geen overeenkomst is, worden de kolommen van de rechterzijde gevuld met null-waarden. Een inner join retourneert alleen rijen waarvoor in beide DataFrames een overeenkomst bestaat, waarbij alle rijen zonder corresponderende app_id in de andere DataFrame worden weggelaten.


              1234567891011121314151617181920212223
            
import polars as pl

# Sample games_df
games_df = pl.DataFrame({
    "app_id": [1, 2, 3, 4],
    "game_name": ["Space Quest", "Jungle Run", "Mystery Manor", "Puzzle Island"]
})

# Sample spy_insights_df
spy_insights_df = pl.DataFrame({
    "app_id": [2, 3, 5],
    "insight": ["High engagement", "Trending", "Low installs"]
})

# Left join: all rows from games_df, matched data from spy_insights_df
left_joined = games_df.join(spy_insights_df, on="app_id", how="left")
print("Left Join Result:")
print(left_joined)

# Inner join: only rows with matching app_id in both DataFrames
inner_joined = games_df.join(spy_insights_df, on="app_id", how="inner")
print("\nInner Join Result:")
print(inner_joined)

Welke uitspraak beschrijft nauwkeurig het verschil tussen een left join en een inner join bij het samenvoegen van games_df en spy_insights_df op app_id?

Selecteer het correcte antwoord

Zowel left als inner joins behouden alle rijen uit beide DataFrames en vullen niet-overeenkomende waarden met nullen.

Een inner join behoudt alle rijen uit spy_insights_df en voegt gegevens uit games_df toe waar beschikbaar, waarbij niet-overeenkomende rijen met nullen worden gevuld.

Een left join behoudt alle rijen uit games_df, voegt gegevens uit spy_insights_df toe waar beschikbaar en vult niet-overeenkomende rijen met nullen; een inner join behoudt alleen rijen met overeenkomende app_id in beide DataFrames.

Een left join behoudt alleen rijen met overeenkomende app_id in beide DataFrames, terwijl een inner join alle rijen uit games_df behoudt en niet-overeenkomende rijen met nullen vult.

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 2. Hoofdstuk 3

Vraag AI

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

Sectie 2. Hoofdstuk 3