Chuyển đến nội dung chính

Trang chủ Python

Khóa học

Kết hợp dữ liệu với pandas

Trung cấpTrình độ kỹ năng

Đã cập nhật tháng 12, 2025

Học cách kết hợp dữ liệu từ nhiều bảng bằng cách ghép dữ liệu lại với nhau sử dụng pandas.

Bắt Đầu Khóa Học Miễn Phí

PythonData Manipulation

4 gio

15 video

51 Bài tập

4,050 XP

220K+

Giấy chứng nhận Thành tích

Được người học tại hàng ngàn công ty yêu thích

Đào tạo một đội ngũ?

Dùng thử cho Doanh nghiệp

Mô tả khóa học

Khả năng kết hợp và làm việc với nhiều tập dữ liệu là kỹ năng thiết yếu cho bất kỳ ai theo đuổi con đường Data Scientist. pandas là một trụ cột quan trọng trong hệ sinh thái khoa học dữ liệu với Python, với 5 triệu lượt xem câu hỏi về pandas trên Stack Overflow. Hãy học cách xử lý nhiều DataFrame bằng cách kết hợp, tổ chức, nối và định hình lại chúng bằng pandas. Bạn sẽ làm việc với các tập dữ liệu từ World Bank và Thành phố Chicago. Kết thúc khóa học, bạn sẽ có một bộ kỹ năng vững chắc để kết hợp dữ liệu trong pandas.Các video có bản chép lời trực tiếp; bạn có thể mở bằng cách nhấp vào "Show transcript" ở góc dưới bên trái của video.Bảng thuật ngữ của khóa học nằm ở bên phải trong phần tài nguyên.Để nhận tín chỉ CPE, bạn cần hoàn thành khóa học và đạt điểm 70% trong bài đánh giá đủ điều kiện. Bạn có thể truy cập bài đánh giá bằng cách nhấp vào phần giới thiệu tín chỉ CPE ở bên phải.

Điều kiện tiên quyết

Data Manipulation with pandas

1

Những điều cơ bản về trộn dữ liệu

Học cách bạn có thể trộn ghép dữ liệu rời rạc bằng inner join. Bằng cách kết hợp thông tin từ nhiều nguồn, bạn sẽ khám phá ra những insight thuyết phục trước đây có thể bị ẩn đi. Bạn cũng sẽ học cách mối quan hệ giữa các nguồn, như one-to-one hoặc one-to-many, có thể ảnh hưởng đến kết quả như thế nào.

Nên gộp theo cột nào?

Lần đầu inner join

Inner join và số lượng hàng được trả về

Quan hệ một-nhiều

Phân loại một-nhiều

Gộp one-to-many

Gộp nhiều DataFrame

Tổng số lượt đi trong một tháng

Gộp ba bảng

Gộp một-nhiều với nhiều bảng

Bắt Đầu Chương

2

Nối bảng với các kiểu join khác nhau

Nâng cao hiểu biết của bạn về các phép join. Trong chương này, bạn sẽ làm việc với dữ liệu phim TMDb khi tìm hiểu về left, right và outer join. Bạn cũng sẽ khám phá cách nối một bảng với chính nó và cách nối dựa trên index của DataFrame.

Đếm số hàng thiếu dữ liệu với left join

Làm giàu dữ liệu

Có bao nhiêu hàng với left join?

Các kiểu join khác

Right join để tìm các phim độc nhất

Thể loại phổ biến với right join

Dùng outer join để chọn diễn viên

Gộp một bảng với chính nó

Tự nối (self join)

pandas xử lý self join như thế nào?

Gộp dựa trên chỉ mục

Gộp theo index cho xếp hạng phim

Phần tiếp theo (sequel) có kiếm được nhiều hơn không?

Bắt Đầu Chương

3

Kỹ thuật nối nâng cao và ghép nối (concatenate)

Trong chương này, bạn sẽ tận dụng các kỹ thuật lọc mạnh mẽ, bao gồm semi-join và anti-join. Bạn cũng sẽ học cách “ghép keo” các DataFrame bằng cách kết hợp theo chiều dọc và dùng hàm pandas.concat để tạo tập dữ liệu mới. Cuối cùng, vì dữ liệu hiếm khi sạch, bạn cũng sẽ học cách xác thực các cấu trúc dữ liệu vừa được kết hợp.

Lọc với các phép join

Các bước của semi join

Thực hiện anti join

Thực hiện semi join

Nối các DataFrame theo chiều dọc

Những điều cơ bản về nối (concatenate)

Nối kèm khóa (keys)

Xác minh tính toàn vẹn

Xác thực thao tác merge

Nối và gộp để tìm các bài hát chung

Bắt Đầu Chương

4

Nối dữ liệu có thứ tự và chuỗi thời gian

Ở chương cuối, bạn sẽ nâng tốc độ và học cách áp dụng các phương thức chuyên biệt của pandas để nối dữ liệu chuỗi thời gian và dữ liệu có thứ tự, với dữ liệu tài chính và kinh tế thực tế từ thành phố Chicago. Bạn cũng sẽ học cách truy vấn các bảng kết quả theo định dạng kiểu SQL và “unpivot” dữ liệu bằng phương thức melt.

Sử dụng merge_ordered()

Tương quan giữa GDP và S&P 500

Đường cong Phillips với merge_ordered()

Lưu ý với merge_ordered(), nhiều cột

Sử dụng merge_asof()

Dùng merge_asof() để phân tích cổ phiếu

Dùng merge_asof() để tạo bộ dữ liệu

Khác biệt giữa merge_asof() và merge_ordered()

Chọn dữ liệu với .query()

Khám phá số liệu tài chính với .query()

Lọc hàng với .query()

Tái định hình dữ liệu với .melt()

Chọn đúng các đối số cho .melt()

Dùng .melt() để định hình lại dữ liệu chính phủ

Dùng .melt() để so sánh hiệu suất cổ phiếu và trái phiếu

Tổng kết khóa học

Bắt Đầu Chương

Kết hợp dữ liệu với pandas

Hoàn
Thành

Nhận Giấy Chứng Nhận Hoàn Thành

Thêm chứng chỉ này vào hồ sơ LinkedIn, CV hoặc sơ yếu lý lịch của ban
Chia sẻ trên mạng xã hội và trong đánh giá hiệu suất của banĐăng ký ngay

Cho Doanh Nghiệp

Đào tạo từ 2 người trở lên?

Cung cấp cho nhóm của bạn quyền truy cập vào toàn bộ nền tảng DataCamp, bao gồm tất cả các tính năng.

Trong các Lộ trình sau

Chuyên viên phân tích dữ liệu trong PythonChứng chỉ

Chuyên viên phân tích dữ liệu trong PythonChứng chỉ

Xử lý dữ liệu trong Python

Kiến thức cơ bản về dữ liệu trong Python

giảng viên

Aaren Stubberfield

Aaren Stubberfield

Senior Data Scientist @ Microsoft

cộng tác viên

Khóa học tài nguyên

CTA Stationsbộ dữ liệu

Movie Actorsbộ dữ liệu

Movie Castsbộ dữ liệu

Movie Crewsbộ dữ liệu

Movie Tag Linesbộ dữ liệu

S&P 500bộ dữ liệu

World Bank GDPbộ dữ liệu

World Bank Populationbộ dữ liệu

Chicago Taxi Ownersbộ dữ liệu

Chicago Taxi Vehiclesbộ dữ liệu

Chicago Wardsbộ dữ liệu

Chicago Censusbộ dữ liệu

Chicago Business Licensesbộ dữ liệu

Chicago Demographics by Zip Codebộ dữ liệu

Chicago Business Ownersbộ dữ liệu

Chicago Land Usebộ dữ liệu

CTA Ridershipbộ dữ liệu

CTA Calendarbộ dữ liệu

Moviesbộ dữ liệu

Movie Ratingsbộ dữ liệu

Movie Genresbộ dữ liệu

Movie Sequelsbộ dữ liệu

Movie Financial Databộ dữ liệu

Tham gia cùng hơn 19 triệu học viên và bắt đầu Kết hợp dữ liệu với pandas ngay hôm nay!

Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động

Tiến bộ mọi lúc mọi nơi với các khóa học cho thiết bị di động và thử thách lập trình 5 phút hằng ngày.