• 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

Cómo combinar dataframes en R

Tidyverse

abril 21, 2021 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 5 minutos

Suele ser habitual que los conjuntos de datos con los que trabajamos no se encuentren en una única tabla. Por ejemplo, los datos que identifican al cliente y las operaciones que este ha realizado. Una forma puede ser unirlos en una base de datos mediante un comando SQL. Aunque también se pueden combinar dataframes en R directamente, usando para ello la función merge().

Conjunto de datos de ejemplo

Para poder combinar dataframes en R vamos a crear primero dos conjuntos de datos. Un primer conjunto llamado clients en el que se guardaran los datos de cada uno de los clientes: id, nombre y edad. Además de este dataframe, también se creará un segundo con los datos de facturación que son: id de la factura, id del cliente y cantidad. Datos que se van a crear con el siguiente código.

clients <- data.frame(
  id = c(1, 2, 3, 4, 5),
  first_name = c('Oralie' ,'Imojean' ,'Michele', 'Ailbert', 'Stevy'),
  last_name = c('Fidgeon' ,'Benet' ,'Woodlands', 'Risdale', 'MacGorman'),
  age = c(30 ,21 ,29 ,22, 24))

invoices <- data.frame(
  invoice_id = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12),
  client_id = c(3, 2, 7, 2, 7, 3, 1, 4 ,2, 3, 6, 2),
  amount = c(77.91, 24.36, 74.65, 19.75, 27.46, 17.13, 45.77, 81.7, 14.41, 52.69, 32.03, 12.78))

Estos son los mismos datos que hemos utilizado en su ocasión para explicar cómo combinar datos en Python.

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

Combinación básica de los datos

Ahora nos podemos plantear como combinar ambos dataframes en uno que contenga los datos de clientes y facturas. Conservando únicamente los clientes que han comprado y las facturas que tienen un cliente. Para lo que se puede hacer una unión de ambos mediante la función merge().

merge(x = clients, y = invoices, by.x = 'id', by.y = 'client_id')

Expresión en la que se indica que se unan los datos clients con los datos de invoices usando para ello la clave id en el primer objeto y client_id en el segundo. Si el identificador tuviese el mismo nombre en ambos objetos se podría usar únicamente la propiedad by para indicarlo. Pudiendo omitir en este caso by.x y by.y. Al ejecutar esta línea de código se obtiene el siguiente resultado

   id first_name last_name age invoice_id amount
 1  1     Oralie   Fidgeon  30          7  45.77
 2  2    Imojean     Benet  21          2  24.36
 3  2    Imojean     Benet  21          4  19.75
 4  2    Imojean     Benet  21          9  14.41
 5  2    Imojean     Benet  21         12  12.78
 6  3    Michele Woodlands  29          6  17.13
 7  3    Michele Woodlands  29          1  77.91
 8  3    Michele Woodlands  29         10  52.69
 9  4    Ailbert   Risdale  22          8  81.70

En la que se puede ver que solamente han comprado cuatro clientes. No hay una factura para el cliente 5. Además de comprobar que solo 9 de las doce facturas tienen un cliente registrado.

Incluir todos los clientes (Left Join)

Puede ser que para nuestro análisis queramos incluir todos los clientes, aunque no exista una factura asociada a estos. Lo que se puede hacer mediante una operación “Left Join”. Para esto existe hay que asignar el valor verdadero al parámetro all.x de merge(). Lo que se puede hacer con la siguiente línea

merge(x = clients, y = invoices, by.x = 'id', by.y = 'client_id', all.x = TRUE)

Con lo que se obtiene el siguiente resultado.

    id first_name last_name age invoice_id amount
 1   1     Oralie   Fidgeon  30          7  45.77
 2   2    Imojean     Benet  21          2  24.36
 3   2    Imojean     Benet  21          4  19.75
 4   2    Imojean     Benet  21          9  14.41
 5   2    Imojean     Benet  21         12  12.78
 6   3    Michele Woodlands  29          6  17.13
 7   3    Michele Woodlands  29          1  77.91
 8   3    Michele Woodlands  29         10  52.69
 9   4    Ailbert   Risdale  22          8  81.70
 10  5      Stevy MacGorman  24         NA     NA

Ahora se puede ver que el resultado incluye todos los clientes. Aunque para el cliente cinco los valores de la tabla invoices son nulos.

Incluir todas las facturas (Right Join)

Si lo que necesitamos es incluir todas las facturas solamente tenemos que recurrir a una operación tipo “Right Join”. Operación que de forma análoga a la anterior se puede realizar asignando el valor verdadero al parámetro all.x. Esto es, como se muestra a continuación

merge(x = clients, y = invoices, by.x = 'id', by.y = 'client_id', all.y = TRUE)

Con lo que se obtienen los siguientes resultados

    id first_name last_name age invoice_id amount
 1   1     Oralie   Fidgeon  30          7  45.77
 2   2    Imojean     Benet  21          2  24.36
 3   2    Imojean     Benet  21          4  19.75
 4   2    Imojean     Benet  21          9  14.41
 5   2    Imojean     Benet  21         12  12.78
 6   3    Michele Woodlands  29          6  17.13
 7   3    Michele Woodlands  29          1  77.91
 8   3    Michele Woodlands  29         10  52.69
 9   4    Ailbert   Risdale  22          8  81.70
 10  6         NA        NA  NA         11  32.03
 11  7         NA        NA  NA          5  27.46
 12  7         NA        NA  NA          3  74.65

Al igual que el el caso anterior los registros que no tienen valores son nulos en el cruce.

Incluir todos los registros

Finalmente, también se puede incluir todos los registros asignando el valor verdadero a la propiedad all. Esto es, se puede incluir todos los clientes, aunque no tengan factura y todos los clientes, aunque no exista un cliente ejecutando el siguiente código

merge(x = clients, y = invoices, by.x = 'id', by.y = 'client_id', all = TRUE)

Lo que nos da el resultado esperado

    id first_name last_name age invoice_id amount
 1   1     Oralie   Fidgeon  30          7  45.77
 2   2    Imojean     Benet  21          2  24.36
 3   2    Imojean     Benet  21          4  19.75
 4   2    Imojean     Benet  21          9  14.41
 5   2    Imojean     Benet  21         12  12.78
 6   3    Michele Woodlands  29          6  17.13
 7   3    Michele Woodlands  29          1  77.91
 8   3    Michele Woodlands  29         10  52.69
 9   4    Ailbert   Risdale  22          8  81.70
 10  5      Stevy MacGorman  24         NA     NA
 11  6        NA         NA  NA         11  32.03
 12  7        NA         NA  NA          5  27.46
 13  7        MA         NA  NA          3  74.65

Conclusiones

En esta ocasión hemos visto cómo se puede usar la función merge() para combinar dataframes en R. Una operación que es muy habitual y, gracias a esta función, se puede hacer dentro de nuestras sesiones de R.

Image by Ulrike Leone from Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 1

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: R Etiquetado como: Tidyverse

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
  • pandas Pandas: Cómo iterar sobre las filas de un DataFrame en Pandas publicado el septiembre 13, 2021 | en Python
  • Panel de widgets de Windows 11 mostrando noticias destacadas y clima. Cómo eliminar las noticias en Windows 11 y recuperar tu concentración publicado el junio 26, 2025 | en Herramientas

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