• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Descenso de gradiente
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Matriz de confusión e informe de clasificación
      • Visualizador de fronteras de decisión
      • Simulador de K-Means
      • Número Óptimo de Clusters
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Problema del cumpleaños
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • La aguja de Buffon
      • Simulador de la Estrategia Martingala
      • Simulador de Cadenas de Markov
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Comparador de tarifas de luz 2.0TD
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
      • Frontera Eficiente
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Consultar CSV con SQL en el navegador
      • Extractor de tickets (OCR)
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Calculadora HMAC
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
      • Editor de expresiones cron
      • Conversor de unidades
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Comparar los registros de dos dataframes con pandas

Pandas

marzo 18, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Al tener dos conjuntos de datos en muchas ocasiones es necesario comparar su contenido. Para saber los registros comunes, los que se han eliminado o los que se han añadido a uno de los conjuntos de datos. En una base de datos esto es una tarea sencilla. En Python los objetos DataFrame dispone del método mergue con el que se puede operar de forma similar a una consulta SQL. Mediante el que es posible obtener tanto la unión como la intersección de conjuntos de datos. Lo que permite comparar los registros de dos dataframes con pandas.

Conjunto de datos de pruebas

Para evaluar las posibilidades del método merge es necesario disponer de un par de conjunto de datos. A continuación, se ha generado dos dataframes con los datos de unos archivos. Estos contienen la fecha de modificación, el nombre del archivo, el tamaño y su hash MD5.

import pandas as pd

files_1 = pd.DataFrame([["20/02/2019", "RutrumAc.gif", 219, "bb3f4d720a56c1fea06f8ed61d2d280d"],
                        ["20/02/2019", "DuiVel.avi", 233, "d0487dd6ac871f534f27b751ab1d19b0"],
                        ["06/01/2019", "DisParturient.tiff", 184, "d3cc5726c760c084e9ae5d96ab77abc8"],
                        ["22/02/2019", "SedAccumsanFelis.png", 128, "0035dc0b36335f72daf37e3ee249ae3a"],
                        ["11/02/2019", "Id.jpeg", 106, "b30d21f70a7a243a3d2d75d0d75096f2"],
                        ["29/01/2019", "RidiculusMus.mp3", 64, "4d14558d61f8bdb82a1bd88f3e452b94"]],
                       columns = ["date", "file", "size", "md5"])

files_2 = pd.DataFrame([["20/02/2019", "RutrumAc.gif", 219, "bb3f4d720a56c1fea06f8ed61d2d280d"],
                        ["20/02/2019", "DuiVel.avi", 89,"2f01fa4808a3fa0c5e71401d269f2aa8"],
                        ["29/01/2019", "RidiculusMus.mp3", 64, "4d14558d61f8bdb82a1bd88f3e452b94"],
                        ["11/01/2019", "Sapien.jpeg", 140, "22a2441ec32b97d86a7ef8f2e8d747d2"],
                        ["26/02/2019", "SemMauris.mp3", 169, "be4c1736150634f27e2ed956a9b1a1d0"],
                        ["07/02/2019", "EstPhasellusSit.tiff", 194, "8df4bd43d73df7afcb96d3d13a3fcb44"],
                        ["06/01/2019", "DisParturient.tiff", 184, "d3cc5726c760c084e9ae5d96ab77abc8"],
                        ["22/02/2019", "SedAccumsanFelis.png", 128, "0035dc0b36335f72daf37e3ee249ae3a"]],
                       columns = ["date", "file", "size", "md5"])

Registro comunes en dos objetos dataframe

El método merge de pandas permite unir dos dataframes de forma análoga a como se haría en una consulta SQL. Se utiliza en un objeto indicando el otro con el que se desea unir. Los métodos de unión se indican con la propiedad how y son equivalentes a los disponibles en las consultas SQL (left, right, outer o inner). Así para obtener un dataframe con los registros comunes de dos solamente se ha de llamar al método con el segundo objeto y la opción inner. Esto se puede ver en el siguiente ejemplo.

Shallow copy vs Deep copy en Python: la mutación inesperada
En Analytics Lane
Shallow copy vs Deep copy en Python: la mutación inesperada

files_1.merge(files_2, how='inner')
         date                  file  size                               md5
0  20/02/2019          RutrumAc.gif   219  bb3f4d720a56c1fea06f8ed61d2d280d
1  06/01/2019    DisParturient.tiff   184  d3cc5726c760c084e9ae5d96ab77abc8
2  22/02/2019  SedAccumsanFelis.png   128  0035dc0b36335f72daf37e3ee249ae3a
3  29/01/2019      RidiculusMus.mp3    64  4d14558d61f8bdb82a1bd88f3e452b94

El nuevo objeto solamente contiene cuatro archivos, los que son comunes en ambos.

Registros diferentes de dos dataframes pandas

El método merge dispone de una propiedad interesante con la que se puede conocer el origen de cada uno de los registros. Esta es indicator. Por defecto el valor es falso, pero si se le da el valor verdadero o un nombre crear una nueva columna en el dataframe resultante. Por defecto, si se le da el valor verdadero el nombre de la nueva columna es _merge, en caso contrario el nombre. Los posibles valores de esta columna son:

  • both: son los valores que provienen de ambos dataframes,
  • left_only: éstos son los valores provienen únicamente del primer dataframe o
  • right_only: éstos son los valores provienen únicamente del segundo dataframe.

En el siguiente ejemplo se utiliza esta opción para unir los dos dataframes y saber la procedencia de cada registro. Para que sea de interés el resultado el método de unión seleccionado en este caso es outer.

files_1.merge(files_2, how='outer', indicator='union')
         date                  file  size                               md5       union  
0  20/02/2019          RutrumAc.gif   219  bb3f4d720a56c1fea06f8ed61d2d280d        both    
1  20/02/2019            DuiVel.avi   233  d0487dd6ac871f534f27b751ab1d19b0   left_only    
2  06/01/2019    DisParturient.tiff   184  d3cc5726c760c084e9ae5d96ab77abc8        both    
3  22/02/2019  SedAccumsanFelis.png   128  0035dc0b36335f72daf37e3ee249ae3a        both    
4  11/02/2019               Id.jpeg   106  b30d21f70a7a243a3d2d75d0d75096f2   left_only    
5  29/01/2019      RidiculusMus.mp3    64  4d14558d61f8bdb82a1bd88f3e452b94        both    
6  20/02/2019            DuiVel.avi    89  2f01fa4808a3fa0c5e71401d269f2aa8  right_only    
7  11/01/2019           Sapien.jpeg   140  22a2441ec32b97d86a7ef8f2e8d747d2  right_only    
8  26/02/2019         SemMauris.mp3   169  be4c1736150634f27e2ed956a9b1a1d0  right_only    
9  07/02/2019  EstPhasellusSit.tiff   194  8df4bd43d73df7afcb96d3d13a3fcb44  right_only  

Al ejecutar el método se puede observar que hay cuatro registros comunes, dos que se encuentra solo el primero y cuatro sólo el segundo. Así, los archivos eliminados son dos, los que solo está en el primero, y los nuevos son cuatro. Esto se puede ver en el siguiente ejemplo.

df = files_1.merge(files_2, how='outer', indicator='union')
df[df.union=='left_only']
         date        file  size                               md5      union
1  20/02/2019  DuiVel.avi   233  d0487dd6ac871f534f27b751ab1d19b0  left_only
4  11/02/2019     Id.jpeg   106  b30d21f70a7a243a3d2d75d0d75096f2  left_only

Conclusiones

En esta entrada se ha visto cómo utilizar el método merge para comparar los registros de dos dataframes con pandas. El listado de registros comunes se puede obtener fácilmente. Para obtener los registros nuevos o los eliminados se ha utilizado la propiedad indicator. La cual indica la procedencia de cada registro.

Imágenes: Pixabay (Pexels)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 4 / 5. Votos emitidos: 4

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?

Publicaciones relacionadas

  • Shallow copy vs Deep copy en Python: la mutación inesperada
  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Cómo Saber si una Diferencia Significativa es Importante
  • Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Qué significa realmente “calidad de datos”
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • == vs is en Python: la diferencia que causa bugs misteriosos
  • Curiosidad: El puerto 80 y los números de puerto

Publicidad

Publicado en: Python Etiquetado como: Pandas

Interacciones con los lectores

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.

Barra lateral principal

Suscríbete a nuestro boletín

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

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”

noviembre 12, 2026 Por Daniel Rodríguez

Shallow copy vs Deep copy en Python: la mutación inesperada

noviembre 10, 2026 Por Daniel Rodríguez

Cómo Saber si una Diferencia Significativa es Importante

noviembre 5, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Shallow copy vs Deep copy en Python: la mutación inesperada publicado el noviembre 10, 2026 | en Python
  • Codificación JSON Archivos JSON con Python: lectura y escritura publicado el julio 16, 2018 | en Python
  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas
  • Cómo iterar sobre diccionarios usando bucles for en Python publicado el junio 9, 2025 | en Python
  • pandas Pandas: Cómo iterar sobre las filas de un DataFrame en Pandas publicado el septiembre 13, 2021 | en Python

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

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

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

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.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto