الدرس 13 · الوحدة 7: جمع البيانات من مصادر متعددة

الدمج merge والربط بين الجداول

بيانات موزّعة على جداول؛ كيف نربطها في جدولٍ واحد دون فقدٍ أو تكرار؟ ⏱ نحو 45 دقيقة.

بعد هذا الدرس ستستطيع أن:

تربط الجداول بعمودٍ مشترك بـ merge.
تختار نوع الدمج المناسب بـ how.
تدمج عند اختلاف أسماء المفاتيح.
تتحقّق من سلامة الدمج بعدد الصفوف.

١البيانات موزّعة على جداول

نادرًا ما تجد كل ما تحتاجه في جدولٍ واحد: الزيارات في جدول، وبيانات المستخدمين في آخر، والطلبات في ثالث. الدمج merge يربطها عبر عمودٍ مشترك (المفتاح)، تمامًا كـ JOIN في SQL الذي عرفته.

main.py

import pandas as pdvisits = pd.DataFrame({    "user_id": [1, 2, 3, 4],    "visits":  [12, 5, 8, 3],})users = pd.DataFrame({    "user_id": [1, 2, 3, 5],    "country": ["SA", "EG", "SA", "AE"],})# ربط الزيارات ببلد المستخدم عبر user_idmerged = visits.merge(users, on="user_id")print(merged)

Shell×

>>> %Run main.py

user_id visits country

0 1 12 SA

1 2 5 EG

2 3 8 SA

>>>

النتيجة صفٌّ لكل تطابق في المفتاح user_id. لاحظ أن المستخدم 4 (بلا بلد) والمستخدم 5 (بلا زيارات) سقطا — هذا الدمج الداخلي.

٢أنواع الدمج: how

ماذا نفعل بالصفوف غير المتطابقة؟ يحدّدها how:

how	يُبقي	الاستعمال
inner (افتراضي)	المتطابق في الجدولين	نريد المكتمل فقط
left	كل صفوف اليسار	نحتفظ بكل الزيارات ولو بلا بلد
outer	كل الصفوف من الجهتين	لا نفقد شيئًا

main.py

import pandas as pdvisits = pd.DataFrame({    "user_id": [1, 2, 3, 4],    "visits":  [12, 5, 8, 3],})users = pd.DataFrame({    "user_id": [1, 2, 3, 5],    "country": ["SA", "EG", "SA", "AE"],})# left: نبقي كل الزيارات، والبلد فارغ إن لم يوجدleft = visits.merge(users, on="user_id", how="left")print(left)print("قيم مفقودة في country:", int(left["country"].isna().sum()))

Shell×

>>> %Run main.py

user_id visits country

0 1 12 SA

1 2 5 EG

2 3 8 SA

3 4 3 NaN

قيم مفقودة في country: 1

>>>

٣حين تختلف أسماء المفاتيح

إن اختلف اسم المفتاح بين الجدولين، نحدّده لكلٍّ بـ left_on وright_on:

main.py

import pandas as pdorders = pd.DataFrame({"uid": [1, 2, 3], "total": [300, 150, 90]})users = pd.DataFrame({"user_id": [1, 2, 3], "name": ["سارة", "خالد", "نورة"]}) m = orders.merge(users, left_on="uid", right_on="user_id")print(m[["name", "total"]])

Shell×

>>> %Run main.py

name total

0 سارة 300

1 خالد 150

2 نورة 90

>>>

توقّع وتحقّق

لربط جدولين عبر عمود مشترك:

للاحتفاظ بكل صفوف اليسار:

الدمج الداخلي inner يُبقي:

عند اختلاف اسمي المفتاح نستخدم:

الخلاصة

merge يربط الجداول عبر مفتاحٍ مشترك، كـ JOIN في SQL.
how يحدّد مصير غير المتطابق: inner المكتمل، left كل اليسار، outer الجميع.
عند اختلاف الأسماء نستخدم left_on و right_on.
تحقّق من عدد الصفوف بعد الدمج؛ الدمج مصدرٌ شائع لأخطاء صامتة.

تحدٍّ برمجي: اربط واحسب

متقدم

ادمج الزيارات ببيانات المستخدمين (inner)، ثم اطبع عدد الصفوف الناتجة، وإجمالي زيارات دولة SA.

المطلوب:

ادمج على user_id.
اطبع عدد الصفوف، ثم مجموع visits حيث country == "SA".

ابدأ من هذا الكود، واضغط ▶ شغّل هنا لتكتب حلّك وتجرّبه مباشرة:

main.py

import pandas as pdvisits = pd.DataFrame({    "user_id": [1, 2, 3, 4],    "visits":  [12, 5, 8, 3],})users = pd.DataFrame({    "user_id": [1, 2, 3, 5],    "country": ["SA", "EG", "SA", "AE"],})# ادمج ثم اطبع عدد الصفوف ومجموع زيارات SA

المطلوب×

💡 تلميح 1

m = visits.merge(users, on="user_id").

💡 تلميح 2

رشّح ثم اجمع: m[m["country"]=="SA"]["visits"].sum().

حاول بنفسك أولًا؛ للمسألة أكثر من حلّ صحيح.

main.py

import pandas as pdvisits = pd.DataFrame({    "user_id": [1, 2, 3, 4],    "visits":  [12, 5, 8, 3],})users = pd.DataFrame({    "user_id": [1, 2, 3, 5],    "country": ["SA", "EG", "SA", "AE"],})m = visits.merge(users, on="user_id")print(len(m))print(int(m[m["country"] == "SA"]["visits"].sum()))

انتقل إلى تقييم الدرساختيار من متعدد، وصح وخطأ، وأكمل الفراغ، وتتبّع الناتج.ابدأ التقييم ←

📝 معلم؟ أرسل ملاحظة للمؤلف عن هذا الدرس