• 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

Combinar dos columnas de texto en Pandas

Pandas

enero 24, 2022 Por Daniel Rodríguez 1 comentario
Tiempo de lectura: 3 minutos

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.

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

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.

¿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?

Publicaciones relacionadas

  • Shallow copy vs Deep copy en Python: la mutación inesperada
  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador
  • Cómo Saber si una Diferencia Significativa es Importante
  • Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”
  • Cómo Explorar un Dataset antes de Modelar
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • == vs is en Python: la diferencia que causa bugs misteriosos

Publicidad

Publicado en: Python Etiquetado como: Pandas

Interacciones con los lectores

Comentarios

  1. Patrich dice

    julio 12, 2022 a las 3:32 pm

    Justo lo que andaba buscando gracias 😉

    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.

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

Noticias

Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador

noviembre 18, 2026 Por Daniel Rodríguez

Cómo Explorar un Dataset antes de Modelar

noviembre 17, 2026 Por Daniel Rodríguez

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

noviembre 12, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | 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
  • Exactitud, precisión, recall… qué mide realmente cada métrica (y qué no) publicado el marzo 3, 2026 | en Ciencia de datos
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas publicado el mayo 10, 2019 | 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