Combinar dos columnas de texto en Pandas

Al trabajar con conjuntos de datos en los que algunas características son cadenas de texto es habitual encontrarse con registros que no están en el formato deseado. Tanto valores que estas juntos como separados. Para solucionar el primer problema es necesario separar el texto de una característica en varias, lo que se explicó en una entrada anterior. Por otro lado, la solución del segundo problema requiere combinar dos columnas de texto en otra. Algo que en los objetos DataFrame de Pandas se puede conseguir mediante el uso de la propiedad .str.cat().

Conjunto de datos de ejemplo

Un caso típico en el que puede ser necesario combinar dos columnas de texto en Pandas es cuando se tiene separados el nombre y los apellidos y se desea disponer del nombre completo. Por ejemplo, en un conjunto de datos como el siguiente.

import pandas as pd

users = pd.DataFrame({'first_name': ['Montgomery', 'Dagmar', 'Reeba', 'Shalom', 'Broddy', 'Aurelia'],
                      'last_name': ['Humes', 'Elstow', 'Wattisham', 'Alen', 'Keningham', 'Brechin'],
                      'age': [27, 41, 29, 29, 21, 33],
                      'gender': ['Male', 'Female', 'Female', 'Male', 'Male', 'Female']})

users

   first_name  last_name  age  gender
0  Montgomery      Humes   27    Male
1      Dagmar     Elstow   41  Female
2       Reeba  Wattisham   29  Female
3      Shalom       Alen   29    Male
4      Broddy  Keningham   21    Male
5     Aurelia    Brechin   33  Female

Concatenar dos columnas de texto en Pandas con .str.cat()

Una opción para crear una nueva columna en el conjunto de datos users con el nombre completo es recurrir al método .str.cat(). Un método que existe en las series de Pandas y tiene como primer parámetro la serie que se desea concatenar. Así, para obtener el nombre completo solamente hay que escribir.

En Analytics Lane

Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT

users['full_name'] = users.first_name.str.cat(users.last_name)
users

   first_name  last_name  age  gender        full_name
0  Montgomery      Humes   27    Male  MontgomeryHumes
1      Dagmar     Elstow   41  Female     DagmarElstow
2       Reeba  Wattisham   29  Female   ReebaWattisham
3      Shalom       Alen   29    Male       ShalomAlen
4      Broddy  Keningham   21    Male  BroddyKeningham
5     Aurelia    Brechin   33  Female   AureliaBrechin

En este caso se puede ver que ha combinado el nombre y los apellidos sin dejar un espacio en medio, por lo que el resultado no es legible. Problema que se puede solucionar fácilmente mediante el uso de la propiedad sep, mediante la cual es posible indicar una cadena para introducir entre las dos. De este modo, para introducir un espacio entre el nombre y el apellido solamente hay que hacer.

users['full_name'] = users.first_name.str.cat(users.last_name, sep=' ')
users

   first_name  last_name  age  gender         full_name
0  Montgomery      Humes   27    Male  Montgomery Humes
1      Dagmar     Elstow   41  Female     Dagmar Elstow
2       Reeba  Wattisham   29  Female   Reeba Wattisham
3      Shalom       Alen   29    Male       Shalom Alen
4      Broddy  Keningham   21    Male  Broddy Keningham
5     Aurelia    Brechin   33  Female   Aurelia Brechin

También es posible cambiar el orden, mostrar en primer lugar el apellido, e introducir una coma y un espacio entre los dos.

users['full_name'] = users.last_name.str.cat(users.first_name, sep=', ')
users

   first_name  last_name  age  gender          full_name
0  Montgomery      Humes   27    Male  Humes, Montgomery
1      Dagmar     Elstow   41  Female     Elstow, Dagmar
2       Reeba  Wattisham   29  Female   Wattisham, Reeba
3      Shalom       Alen   29    Male       Alen, Shalom
4      Broddy  Keningham   21    Male  Keningham, Broddy
5     Aurelia    Brechin   33  Female   Brechin, Aurelia

Uso el operador +

Alternativamente también es posible concatenar el contenido de dos series Pandas mediante el uso del operador +. Un operador que, en el caso de grandes conjuntos de datos, es más eficiente que .str.cat().

users['full_name'] = users.last_name + ', ' + users.first_name
users

   first_name  last_name  age  gender          full_name
0  Montgomery      Humes   27    Male  Humes, Montgomery
1      Dagmar     Elstow   41  Female     Elstow, Dagmar
2       Reeba  Wattisham   29  Female   Wattisham, Reeba
3      Shalom       Alen   29    Male       Alen, Shalom
4      Broddy  Keningham   21    Male  Keningham, Broddy
5     Aurelia    Brechin   33  Female   Brechin, Aurelia

Conclusiones

En esta entrada se ha visto cómo combinar dos columnas de texto en Pandas, pudiendo usar para ellos tanto el método .str.cat() como el operador +. Una operación que es complementaria a separar texto en columnas con Pandas que se ha visto anteriormente.