دمج إطارات البيانات

لماذا ندمج؟

تتطلب التحليلات الحقيقية غالبًا بيانات من مصادر متعددة. الدمج يجمع إطاري بيانات بناءً على مفتاح مشترك ، تمامًا مثل JOIN في SQL أو VLOOKUP في Excel.

import pandas as pd

# Create sample DataFrames
passengers = pd.DataFrame({
    "passenger_id": [1, 2, 3, 4, 5],
    "name": ["Alice", "Bob", "Carol", "David", "Eve"],
    "class": [1, 3, 2, 3, 1]
})

tickets = pd.DataFrame({
    "passenger_id": [1, 2, 3, 6],
    "fare": [100.0, 15.5, 26.0, 30.0],
    "embarked": ["S", "C", "S", "Q"]
})

الدمج الأساسي

merged = pd.merge(passengers, tickets, on="passenger_id")
print(merged)

المخرجات:

   passenger_id   name  class   fare embarked
0             1  Alice      1  100.0        S
1             2    Bob      3   15.5        C
2             3  Carol      2   26.0        S

يظهر الركاب 1 و 2 و 3 فقط ، هذا دمج داخلي (الافتراضي). الراكبان 4 و 5 لا يملكان بيانات تذاكر؛ والراكب 6 لا يملك بيانات ركاب.

أنواع الدمج

الدمج الداخلي (الافتراضي) ، الصفوف المطابقة من الجانبين فقط:

pd.merge(passengers, tickets, on="passenger_id")

الدمج الأيسر ، احتفظ بجميع صفوف إطار البيانات الأيسر:

pd.merge(passengers, tickets, on="passenger_id", how="left")

المخرجات:

   passenger_id   name  class   fare embarked
0             1  Alice      1  100.0        S
1             2    Bob      3   15.5        C
2             3  Carol      2   26.0        S
3             4  David      3    NaN      NaN
4             5    Eve      1    NaN      NaN

الدمج الأيمن ، احتفظ بجميع صفوف إطار البيانات الأيمن:

pd.merge(passengers, tickets, on="passenger_id", how="right")

الدمج الخارجي ، احتفظ بجميع صفوف الجانبين:

pd.merge(passengers, tickets, on="passenger_id", how="outer")

المخرجات:

   passenger_id   name  class   fare embarked
0             1  Alice    1.0  100.0        S
1             2    Bob    3.0   15.5        C
2             3  Carol    2.0   26.0        S
3             4  David    3.0    NaN      NaN
4             5    Eve    1.0    NaN      NaN
5             6    NaN    NaN   30.0        Q

الدمج على أسماء أعمدة مختلفة

عندما تحمل أعمدة المفتاح أسماء مختلفة، استخدم left_on و right_on:

df1 = pd.DataFrame({"id_a": [1, 2, 3], "val": ["x", "y", "z"]})
df2 = pd.DataFrame({"id_b": [1, 2, 3], "score": [10, 20, 30]})

merged = pd.merge(df1, df2, left_on="id_a", right_on="id_b")
print(merged)

معالجة أسماء الأعمدة المتداخلة

عندما يحمل كلا إطاري البيانات أعمدة بنفس الاسم (غير المفتاح)، يضيف pandas لواحق:

merged = pd.merge(passengers, tickets, on="passenger_id", suffixes=("_pass", "_tick"))

الدمج على الفهرس

إذا كان المفتاح هو الفهرس، استخدم left_index و right_index:

passengers_idx = passengers.set_index("passenger_id")
tickets_idx = tickets.set_index("passenger_id")

merged = pd.merge(passengers_idx, tickets_idx, left_index=True, right_index=True)

التكديس (التسلسل)

يُكدس concat() إطارات البيانات رأسيًا أو أفقيًا:

رأسيًا (تكديس الصفوف):

df_top = pd.DataFrame({"name": ["Alice", "Bob"], "score": [88, 92]})
df_bottom = pd.DataFrame({"name": ["Carol", "David"], "score": [79, 95]})

combined = pd.concat([df_top, df_bottom], ignore_index=True)
print(combined)

أفقيًا (إضافة الأعمدة):

df_a = pd.DataFrame({"name": ["Alice", "Bob"]})
df_b = pd.DataFrame({"score": [88, 92]})

combined = pd.concat([df_a, df_b], axis=1)

مثال عملي: بيانات تيتانيك

# titanic.csv ships with the course — load it from the browser file system.
titanic = pd.read_csv("titanic.csv")

# Create a summary DataFrame
class_stats = titanic.groupby("Pclass").agg(
    avg_fare=("Fare", "mean"),
    avg_age=("Age", "median"),
    survival_rate=("Survived", "mean")
).reset_index()

print(class_stats)

تقوم reset_index() بتحويل الفهرس المجمَّع مرة أخرى إلى عمود عادي، وهو أمر ضروري قبل الدمج.

جرّب بنفسك

أنشئ إطاري بيانات: students بأعمدة id و name و grades بأعمدة id و math و english. ادمجهما على id بدمج أيسر. ثم كدّس إطاري بيانات صغيرين رأسيًا.

import pandas as pd

students = pd.DataFrame({"id": [1, 2, 3], "name": ["Alice", "Bob", "Carol"]})
grades = pd.DataFrame({"id": [1, 2, 4], "math": [88, 92, 75], "english": [90, 85, 80]})

merged = pd.merge(students, grades, on="id", how="left")
print(merged)

df1 = pd.DataFrame({"name": ["X", "Y"], "val": [1, 2]})
df2 = pd.DataFrame({"name": ["Z"], "val": [3]})
print(pd.concat([df1, df2], ignore_index=True))

خلاصات رئيسية

• merge() يجمع إطارات البيانات على مفاتيح مشتركة؛ concat() يكّدسها رأسيًا أو أفقيًا
• يتحكم الوسيط how في نوع الدمج: داخلي (افتراضي)، يسار، يمين، خارجي
• استخدم left_on/right_on عندما تحمل أعمدة المفتاح أسماء مختلفة
• نفّذ دائمًا reset_index() بعد groupby قبل الدمج

تحدي التطبيق

من مجموعة بيانات تيتانيك، أنشئ إطار بيانات ملخصًا مجمَّعًا حسب Pclass بأعمدة: Pclass و avg_fare و survival_rate و passenger_count. ثم أنشئ ملخصًا آخر مجمَّعًا حسب Embarked. ادمج هذين الملخصين على Pclass بدمج أيسر. ما المعلومات المفقودة أو المكتسبة؟