こんにちは，shun（@datasciencemore）です！！
今回はjoinについて学習していきます．
joinは，キー結合をするメソッドです．
キー結合とは，２つのデータフレームをキーをもとに1つに結合することです．
キー結合には
- inner_join
- left_join
- right_join
- outer_join
の4種類の結合方法があります．
今回は，こちらの２つのデータフレームをキー結合するとどうなるかを確認しようと思います．
０．準備
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 |
# パッケージ読み込み import numpy as np import polars as pl import seaborn as sns # データフレームの表示行数を指定 pl.Config.set_tbl_rows(6) # 名前のデータフレーム定義 df_name = pl.DataFrame( { "key":[1, 1, 3, 2, 5], "name":["asuka", "yuuki", "siho", "rina", "manaka"] } ) # 所属のデータフレーム定義 df_group = pl.DataFrame( { "key":[1, 2, 3, 4], "group":["nogi", "sakura", "hinata", "yosimoto"] } ) |
１．inner_join
まずキー結合の中で一番よく使われるinner_joinから説明していきます．
日本語だと内部結合っていいます．
inner_joinは，2つのデータフレームに共通するキーに対して，結合することをいいます．
この例の場合，
df_nameのキーが「１，２，３，５」，df_groupのキーが「１，２，３，４」なので，
共通するキーは，「１，２，３」になりますね．
このキーに対して２つのデータフレームを結合します．
結合するときにどのような処理が行われているかというと
それぞれのデータフレームからキー毎に違う色の線を伸ばしてあげます．
（キーが１ ⇒ ピンク，キーが２ ⇒ 緑，キーが３ ⇒ 青，キーが４⇒赤，キーが５⇒黄）
これらの伸びた線を見て，同じ色が交差する交点が，出力されるデータフレームの各行に対応します．
図の左側を見ると，ピンクが2点，緑が1点，青が1点，交差していますね．
これらの交点の情報を右側のデータフレームのように出力します．
右側のデータフレームの各行に対応していることをきちんと確認してくださいね．
|
1 2 3 4 5 |
# df_nameとdf_groupをinner_join df_name.join(df_group, on="key", how="inner") # df_nameとdf_groupをinner_join（inner_joinはhowを省略可） df_name.join(df_group, on="key") |
２．left_join
続きましてleft_joinです．
日本語だと左結合っていいます.
left_joinは，左側のデータフレームのすべてのキーに対して，結合することをいいます．
今回の例の場合，
左側のデータフレームは，df_nameでキーが「１，２，３，５」，
右側のデータフレームは，df_groupでキーが「１，２，３，４」なので，
左側のデータフレームのキーは，「１，２，３，５」になりますね．
ここで1点注意のなのですが，右側のdf_groupにキー５がないですよね？
このようなときは，NAの行を挿入して考えてください．
そうすれば線を引くことができるので，あとは先ほどと同様，交差する点が出力されると考えられます．
|
1 2 |
# df_nameとdf_groupをleft_join df_name.join(df_group, on="key", how="left") |
３．right_join
続きましてright_joinです．
日本語だと右結合っていいます．
right_joinは，右側のデータフレームのすべてのキーに対して，結合します．
さっきやったleft_joinの反対だから，わかりやすいですね．
ただ，左と右が違うだけです．
今回の例の場合，
右側のデータフレームは，df_groupでキーが「１，２，３，４」なので，
「１，２，３，４」をキーとしてキー結合します．
今回は，左側のデータフレームにキー４がないので，キー４に対してNAの行を作成してあげましょう．
polarsでは、right_joinが存在しません。
polarsでright_joinをする場合は、left_joinを使用するときにデータフレームを入れ替えてあげましょう。
|
1 2 3 |
# df_nameとdf_groupをright_join # polarsはright_joinできないので、dfを入れ替える。 df_group.join(df_name, on="key", how="left") |
４．outer_join
最後はouter_joinです．
日本語だと外部結合っていいます．
今までのことが理解できていればそんなに難しくありません．
outer_joinは，2つのデータフレームのすべてのキーに対して，結合します．
今回の例の場合，
df_nameのキーが「１，２，３，５」，df_groupのキーが「１，２，３，４」なので，
full_joinに使用されるのキーは，「１，２，３，4，５」になりますね．
これも今までと同様に，キーがない場合については，NAの行を挿入してあげます．
df_nameにはキー４が，df_groupにはキー５がないから，それぞれについてNAの行を挿入して考えてくださいね．
|
1 2 |
# df_nameとdf_groupをouter_join df_name.join(df_group, on="key", how="outer") |
まとめ
今回は，join：キー結合について学習しました．
キー結合とは，２つのデータフレームをキーをもとに1つに結合することです．
キー結合には次の4種類があります．
- inner_join
- left_join
- right_join
- outer_join
この中で一番使用頻度が高いのはinner_joinなので，まずはinner_joinを使いこなせるようになりましょう！
それでは，お疲れさまでした！！
