• Ir al contenido principal
  • Skip to secondary menu
  • Ir a la barra lateral primaria
  • Ir al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Noticias
    • Opinión
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Boletín
  • Contacto
  • Acerca de Analytics Lane
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • GearBest
      • GeekBuying
      • JoyBuy

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Julia
  • JavaScript
  • Herramientas
  • Opinión
  • Noticias

Unir y combinar dataframes con pandas en Python

septiembre 10, 2018 Por Daniel Rodríguez 2 comentarios
Tiempo de lectura: 4 minutos

En muchas ocasiones nos podemos encontrar con que los conjuntos de datos no se encuentran agregados en una única tabla. Por ejemplo, los datos personales de los clientes y las transacciones estos han realizado. En estas situaciones la consolidación de los datos se puede realizar tengo una base de datos con SQL. Pero esto no es necesario, la consolidación también se puede realizar directamente en pandas. En esta entrada se explicará cómo unir y combinar dataframes con pandas.

Creación de un conjunto de datos de ejemplo

En primer lugar, antes de explicar los métodos para combinar data frames se ha de crear el conjunto de datos ejemplo. Esto se puede realizar escribiendo directamente los datos. Un dataframe con los datos personales que los clientes se pueden generar con el siguiente código.

import pandas as pd

clients = {'first_name' : ['Oralie' ,'Imojean' ,'Michele', 'Ailbert', 'Stevy'],
           'last_name' : ['Fidgeon' ,'Benet' ,'Woodlands', 'Risdale', 'MacGorman'],
           'age' : [30 ,21 ,29 ,22, 24]}

clients = pd.DataFrame(clients, columns = ['first_name', 'last_name', 'age'])
clients
Datos clientes

Por otro lado, las transacciones se pueden generar mediante el siguiente conjunto de instrucciones.

invoices = {'invoice_id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
            'client_id' : [3, 2, 7, 2, 7, 3, 1, 4 ,2, 3, 6, 2],
            'amount': [77.91, 24.36, 74.65, 19.75, 27.46, 17.13, 45.77, 81.7, 14.41, 52.69, 32.03, 12.78]}

invoices = pd.DataFrame(invoices, columns = ['invoice_id', 'client_id', 'amount'])
invoices
Datos transacciones

A continuación, se van a utilizar estos dos conjuntos de datos para enseñar a combinar objetos dataframe en pandas.

Concatenar nuevos registros

Al revisar el conjunto de datos de clientes nos podemos dar cuenta de la falta de uno. Para solucionar este problema simplemente se ha de agregar el registro, para los que se puede utilizar el método concat de pandas. El uso es tremendamente sencillo, simplemente se ha de indicar los datos a concatenar. Esto es lo que se muestra el siguiente ejemplo.

new_clients = pd.DataFrame({'first_name' : ['Rebe'],
                            'last_name' : ['MacCrossan'],
                            'age' : [21]},
                           columns = ['first_name', 'last_name', 'age'])

clients = pd.concat([clients, new_clients])
clients
Datos clientes modificados

Puede apreciarse que se conserva los índices originales. Eso puede ser un problema que se puede solucionar actualizando los valores tal como se muestra a continuación.

clients.index = range(clients.shape[0])

Una vez solucionado este problema se puede apreciar que no se dispone del identificador de los clientes. Esto también se puede solucionar mediante el método concat. Aunque en esta ocasión, al ser necesario concatenar los valores horizontalmente, se ha de indicar el eje con la opción axis. Esto es lo que se muestra el siguiente código.

ids = pd.DataFrame({'client_id': [1, 2, 3, 4, 5, 6]}, columns = ['client_id'])
clients = pd.concat([ids, clients], axis=1,)
clients
Clientes con id

Unión de los dataframes

Después de haber completado la tabla con los datos de los clientes se puede unir esta con la de las transacciones. Para esto se puede utilizar el método merge de pandas. A este método se le ha de indicar las dos variables y la columna utilizará para la unión. El ejemplo eso se realiza mediante la columna client_id. La unión de las dos tablas se puede realizar con la siguiente línea.

pd.merge(clients, invoices, on='client_id')

Cuando el nombre del identificador utilizado para unir las tablas no es el mismo las dos se puede indicar ambos. La forma de realizar esto se muestra a continuación.

pd.merge(clients, invoices, left_on='client_id', right_on='client_id')

Utilizando las opciones por defecto se combinan los registros que están tanto en la lista de clientes, La lista de transacciones. Se puede apreciar que clientes sin transacción Y transacciones en cliente. El tipo de unión utilizada se puede indicar utilizando el parámetro how, existiendo cuatro formas de realizar esta: inner, outer, left y right. El valor por defecto es inner. Para obtener todos los registros se ha de utilizar la opción outer.

pd.merge(clients, invoices, on='client_id', how='outer')

Finalmente si en los data frames existen columnas con el mismo nombre se puede indicar un sufijo para identificar el origen de cada una. De esta manera se puede identificar el origen de cada una de ellas.

pd.merge(clients, clients, on='client_id', suffixes=('_1', '_2'))
Inclusión de sufijos

Conclusiones

En esta entrada se han visto los métodos disponibles en pandas para unir y concatenar dataframes. Estos métodos son muy útiles para procesar los datos si la necesidad de recurrir a herramientas externas.

Imágenes: Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 3

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Contenido relacionado

Archivado en:Python Etiquetado con:pandas

Interacciones con los lectores

Comentarios

  1. reynaldo lopez dice

    septiembre 5, 2020 en 5:25 am

    Excelente ejemplo, gracias por compartirlo. tienes ejemplo para agrupar groupby ?

    Responder
    • Daniel Rodríguez dice

      septiembre 5, 2020 en 10:01 am

      Actualmente algunas existen entradas publicadas en las que se usa gropuBy a nivel de ejemplo, pero no hablo específicamente del método en sí. Por ejemplo, puedes consultar:

      • Agrupación de datos por fecha en pandas
      • Máximos de un subconjunto en un dataframe pandas
      Responder

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Publicidad


Barra lateral primaria

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

¡Síguenos en redes sociales!

  • facebook
  • instagram
  • pinterest
  • tumblr
  • twitter
  • youtube
  • github
  • telegram
  • rss

Publicidad

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Entradas recientes

Epsilon-Greedy con decaimiento para un problema Bandido Multibrazo (Multi-Armed Bandit)

marzo 5, 2021 Por Daniel Rodríguez Dejar un comentario

Diferencias entre library() y require() en R

marzo 3, 2021 Por Daniel Rodríguez Dejar un comentario

Noticias

Disponible la versión 1.20.0 de NumPy

marzo 2, 2021 Por Daniel Rodríguez Dejar un comentario

Publicidad

Es tendencia

  • Unir y combinar dataframes con pandas en Python bajo Python
  • Epsilon-Greedy con decaimiento para un problema Bandido Multibrazo (Multi-Armed Bandit) bajo Ciencia de datos
  • Seleccionar filas y columnas en Pandas con iloc y loc bajo Python
  • ¿Cómo eliminar columnas y filas en un dataframe pandas? bajo Python
  • Codificación JSON Archivos JSON con Python: lectura y escritura bajo Python

Publicidad

Lo mejor valorado

5 (5)

Diferencias entre var y let en JavaScript

5 (6)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

5 (5)

Archivos JSON con Python: lectura y escritura

4.8 (6)

Seleccionar filas y columnas en Pandas con iloc y loc

4.2 (5)

Guardar y leer archivos Excel en Python

Publicidad

Comentarios recientes

  • egilda en Visualización de datos en Python con Seaborn
  • Sergio en ¿Cómo eliminar columnas y filas en un dataframe pandas?
  • javier en Uso de las f-string de Python para mejorar el formato de textos
  • Daniel Rodríguez en Guardar y leer archivos Excel en Python
  • franklin Chiluisa en Guardar y leer archivos Excel en Python

Publicidad

Footer

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Noticias
  • Opinión

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Lo más popular
  • Tienda

Programación

  • JavaScript
  • Julia
  • Matlab
  • Python
  • R

Tiendas Afiliadas

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • Geekbuying
  • JoyBuy

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

2018-2021 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto