はじめに

pandasデータフレームをRのdplyr同様に操作可能にするdfplyライブラリについてまとめるシリーズです。今回は100%中の100%大事なjoin関数です。複数のデータフレームを結合する関数ですね。

関連記事はこちら
dplyr使いのためのpandas dfplyすごい編

dplyrのjoin関数についてはmatsuou1氏が解説している記事が分かりやすいです。
[dplyrを使いこなす！JOIN編]
(https://qiita.com/matsuou1/items/b1bd9778610e3a586e71)

事前準備、例データ

Python：事前準備

import pandas as pd
import numpy as np
from dfply import * #dfply読み込み

# 例データ
a = pd.DataFrame({
    'x1': ['A', 'B', 'C'],
    'x2': [1, 2, 3]
})
b = pd.DataFrame({
    'x1': ['A', 'B', 'D'],
    'x3': [True, False, True]
})

各種join

dplyrと同様です。

Python：dfply-join

# aとbを結合
a >> inner_join(b, by='x1')

結合キー列（by=指定）は両データフレーム共通でなくてはなりません。
そのためdplyrで可能であった by = c('x1' = 'y1') のような書き方はできません。

Python：dfply-join

# aとaを結合
a >> left_join(a, by='x1')
# 同じ列名があると'_x', '_y'がついて分けてくれます。

各種bind

dplyrと同様です。

bind_rows 縦結合

Python：dfply-bind_rows

a >> bind_rows(b, join='inner')
a >> bind_rows(b) #join='outer' #ignore_index=False
  #ignore_indexでindexがリセット

bind_cols 横結合

Python：dfply-bind_cols

# 例データ：cを追加
c = pd.DataFrame({
    'x1': ['B', 'C', 'D', 'E'],
    'x2': [2, 3, 4, 5]
})

# aとcを横結合
a >> bind_cols(c) # join='outer', ignore_index=False) 
  #ignore_indexでindex（列名）がリセット

単純に結合すると同じ列名があったとしてもjoinのように'_x', '_y'をつけてくれませんし、select()で'x1'を指定しても最初の列しか認識してくれません。

まとめ

いかがでしたでしょうか。dfplyのjoin関数も今まで紹介した関数同様にdplyrと同じように機能します。dplyr使いには本当に便利ですね。