Bỏ qua đến nội dung chính
Mục lục

join() trong pandas (pandas join): ghép bảng theo index

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 6/13 · Chương 7

Ghép và đổi hình bảng

  • 6 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Phương thức join() ghép hai DataFrame theo index thay vì theo một cột (pandas join): dòng có cùng nhãn index ở hai bảng được đặt cạnh nhau. Khi mã khách hay mã nhân viên đã là index của cả hai bảng, join() viết ngắn hơn merge() và giữ nguyên index đó trong kết quả.

Cần biết trước: merge() và set_index(), reset_index().

Ghép hai bảng cùng index

Bảng khách đọc với index_col="ma_kh" có mã khách làm index. Bảng điểm tích lũy cũng đánh index bằng mã khách. join() nối chúng mà không cần nêu tên khóa:

python
import pandas as pd

kh = pd.read_csv("khach_hang.csv", index_col="ma_kh")
diem = pd.DataFrame({"diem_tich_luy": [1200, 450, 3100]},
                    index=pd.Index(["KH0002", "KH0001", "KH0009"],
                                   name="ma_kh"))
print(diem.join(kh[["ho_ten", "tinh"]]))

KẾT QUẢ

        diem_tich_luy              ho_ten     tinh
ma_kh
KH0002           1200  Nguyễn Phương Dung  Cần Thơ
KH0001            450  Nguyễn Phương Hằng   Hà Nội
KH0009           3100        Lý Bảo Hương   Hà Nội

Kết quả giữ index và thứ tự dòng của bảng gọi join(), ở đây là diem, rồi thêm các cột của bảng truyền vào. Hai bảng đã dùng chung một index thì ghép chỉ là đặt dòng cùng nhãn cạnh nhau, không cần dò cột nào làm khóa. File khach_hang.csv lấy từ bộ dữ liệu thực hành.

Mặc định join() dùng how="left": các dòng của bảng gọi đều được giữ, dòng không tìm thấy bên kia có ô NaN. Các giá trị "inner", "right", "outer" mang cùng nghĩa như ở merge(). Đổi diem.join(kh[["ho_ten", "tinh"]]) thành kh[["ho_ten", "tinh"]].join(diem, how="inner") rồi chạy lại: ba dòng in theo thứ tự KH0001, KH0002, KH0009 của bảng khách.

lsuffix, rsuffix khi cột trùng tên

merge() tự thêm _x, _y cho cột trùng tên. join() thì không đoán: hai bảng có cột cùng tên mà không ghi hậu tố, lệnh dừng.

lsuffix= gắn vào cột trùng tên của bảng bên trái (bảng gọi join()), rsuffix= gắn vào cột của bảng bên phải:

python
import pandas as pd

quay = pd.DataFrame({"gia": [29000, 35000]}, index=["CF01", "TR02"])
web = pd.DataFrame({"gia": [31000, 34000]}, index=["CF01", "BX03"])
print(quay.join(web, lsuffix="_quay", rsuffix="_web"))
print(quay.join(web, how="outer", lsuffix="_quay", rsuffix="_web"))

KẾT QUẢ

      gia_quay  gia_web
CF01     29000  31000.0
TR02     35000      NaN
      gia_quay  gia_web
BX03       NaN  34000.0
CF01   29000.0  31000.0
TR02   35000.0      NaN

Bảng đầu có hai dòng của quay; TR02 không bán trên ứng dụng nên gia_web trống. Bảng sau dùng how="outer", thêm BX03 chỉ có trên ứng dụng, và index được sắp theo thứ tự chữ cái.

Ghép cột của bảng này với index của bảng kia

Bảng đơn thường có mã khách ở một cột, không ở index. join(on=) nêu cột đó của bảng gọi; pandas so nó với index của bảng truyền vào:

python
import pandas as pd

kh = pd.read_csv("khach_hang.csv", index_col="ma_kh")
don = pd.DataFrame({"ma_don": ["DH1024", "DH1025", "DH1026"],
                    "ma_kh": ["KH0003", "KH0001", "KH0002"]})
print(don.join(kh[["tinh"]], on="ma_kh"))

KẾT QUẢ

   ma_don   ma_kh     tinh
0  DH1024  KH0003   Hà Nội
1  DH1025  KH0001   Hà Nội
2  DH1026  KH0002  Cần Thơ

Bảng đơn giữ index 0, 1, 2 và cột ma_kh của nó; chỉ bảng khách cần mã ở index. Lệnh này cho cùng kết quả với don.merge(kh[["tinh"]], left_on="ma_kh", right_index=True, how="left"), nhưng ngắn hơn nhiều.

join() còn nhận một list bảng cùng index, để ghép nhiều bảng trong một lệnh, như bang.join([dien_thoai, dia_chi]). merge() chỉ ghép hai bảng mỗi lần.

join hay merge?

Hai phương thức làm cùng một việc, khác ở chỗ chúng tìm khóa ở đâu (pandas join vs merge):

  • merge() tìm khóa ở cột, qua on= hay left_on=, right_on=. Index của kết quả đánh số lại từ 0. Hợp khi khóa là cột thường của cả hai bảng, như bảng đọc thẳng từ CSV.

  • join() tìm khóa ở index của bảng truyền vào, và ở index hay một cột (on=) của bảng gọi. Kết quả giữ index của bảng gọi. Hợp khi bảng tra đã đặt mã làm index bằng set_index().

Mặc định cũng khác: merge() là how="inner", join() là how="left". Quên điều này khi chuyển từ cách này sang cách kia làm số dòng đổi mà không báo. Bài Blog merge, join và concat trong pandas đặt cả ba cách ghép cạnh nhau.

Kiểm tra nhanh

  1. Sau import pandas as pd, a = pd.DataFrame({"x": [1, 2]}, index=["A", "B"]) và b = pd.DataFrame({"y": [3]}, index=["B"]), a.join(b)["y"].tolist() là gì?

    • [nan, 3.0]
    • [3]
    • [3.0, nan]
  2. Sau import pandas as pd, a = pd.DataFrame({"x": [1]}, index=["A"]) và b = pd.DataFrame({"x": [2]}, index=["A"]), list(a.join(b, lsuffix="_a", rsuffix="_b").columns) là gì?

    • ['x_a', 'x_b']
    • ['x_x', 'x_y']
    • ['x', 'x_b']
  3. Bảng don có cột ma_kh, bảng kh có mã khách ở index. Những lệnh nào gắn cột tinh vào từng đơn?

    • don.join(kh[["tinh"]], on="ma_kh")
    • don.merge(kh[["tinh"]], left_on="ma_kh", right_index=True, how="left")
    • don.join(kh[["tinh"]])
    • don.merge(kh[["tinh"]].reset_index(drop=True), on="ma_kh", how="left")
  4. Bạn đổi a.merge(b, left_index=True, right_index=True) thành a.join(b). Kết quả có thể khác ở đâu?

    • Không khác gì, hai lệnh luôn tương đương
    • join() giữ cả dòng của a không có ở b, vì mặc định là how="left"
    • join() bỏ index của a và đánh số lại từ 0
Đúng hết lần đầu +15 XP

Bài tập

So doanh số của nhân viên giữa hai kỳ

Bảng ky_truoc và ky_nay đều có index là mã nhân viên và một cột doanh_so (triệu đồng). Có nhân viên nghỉ sau kỳ trước, có nhân viên mới vào kỳ này. Viết thân hàm so_sanh_hai_ky(ky_truoc, ky_nay):

  • giữ các nhân viên có ở ít nhất một kỳ; ô của kỳ nhân viên chưa (hay không còn) làm thì trống;

  • kết quả có đúng hai cột doanh_so_truoc, doanh_so_nay, theo thứ tự đó, index là mã nhân viên sắp tăng dần.

Hàm không sửa hai bảng của nơi gọi.

Trả về: doanh số hai kỳ đặt cạnh nhau, một DataFrame.

python
import pandas as pd

def so_sanh_hai_ky(ky_truoc, ky_nay):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • trai.join(phai) ghép theo index, giữ index và thứ tự dòng của bảng gọi; mặc định how="left".

  • Cột trùng tên bắt buộc có lsuffix= (bảng gọi) và rsuffix= (bảng truyền vào), nếu không sẽ báo ValueError.

  • join(on="cot") so một cột của bảng gọi với index của bảng kia.

  • join() nhận được một list bảng cùng index để ghép nhiều bảng một lần.

  • Khóa là cột thường thì dùng merge() (mặc định inner); khóa đã là index thì join() viết ngắn hơn.

Câu hỏi thường gặp

Có nên set_index() rồi mới join không?

Nên, khi bạn tra cùng một bảng nhiều lần: đặt mã làm index một lần bằng set_index(), rồi mỗi lần ghép chỉ cần join(on=). Chỉ ghép một lần thì merge() với hai cột là đủ.

join() có ghép theo nhiều cột được không?

Được, nếu bảng truyền vào có MultiIndex nhiều tầng và bạn truyền một list cột cho on=, mỗi cột ứng với một tầng theo thứ tự. Trường hợp khóa nhiều cột, viết merge(on=[...]) thường dễ đọc hơn, như bài merge() chỉ.

Vì sao join() không khớp dòng nào dù hai bảng có cùng mã?

Thường vì mã nằm ở cột, không ở index, của bảng truyền vào; join() so với index nên chỉ thấy số 0, 1, 2. In phai.index[:5] để kiểm, rồi gọi set_index("ma") trước khi ghép, hoặc dùng merge().

Chủ đề

pandas join

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập