0

Buenas tardes tengo la siguiente consulta: Estoy intentando hacer un merge entre varios dataframes en python. Sin embargo, al momento de terminar la ejecución, observo que para aquellas variables que tienen el mismo nombre, por defecto el programa les asigna un "_", y bueno, si intento eliminar los duplicados para que solo me quede un registro se eliminan todos de manera automática. Alguien tiene idea como solucionar este problema? gracias EJ: df1. Variable Area_x df2.Variable Area_y df3. Variable Area_z dfn. Variable Area_n

1
  • 3
    Por favor agregue un ejemplo
    – Jred0n29
    el 15 dic. 2022 a las 23:14

1 respuesta 1

0

La cuestión es que estás intentando combinar varios dataframes, para lo cual pandas necesita saber qué columnas quieres utilizar como "clave" para combinar las filas.

Si ambos dataframes tienen columnas en común que no han sido incluidas como clave de la operación (del merge), lo único que pandas puede hacer es asumir que son columnas con diferente información y mantenerlas intactas en el dataframe resultante. Para evitar columnas con nombres duplicados, pandas añade el sufijo "_x", "_y" a las columnas repetidas. Por esta razón te aparecen las columnas Variable_Area_x y Variable_Area_y, puesto que no han sido incluidas en la clave del pd.merge y por lo tanto se mantienen intactas.

Si quieres evitar esto, tienes varias opciones, pero lo primero sería preguntarte qué es lo que quieres hacer realmente.

  1. Añadir las columnas comunes como clave de la operación: esto es, si la información de las columnas que comentas es la misma en el dataframe A y en el dataframe B, no hay motivo para no añadirlas como clave en el merge. De esta forma, en el dataframe final aparecerá la columna una vez.

     keys = # tus claves de combinacion entre dataframes
     keys.append('Variable_Area')
     merged = pd.merge(A, B, on = keys)
    
  2. Si la columna duplicada en A y B tienen distinta información y quieres preservar ambas en el dataframe combinado, es tan sencillo como cambiar el nombre de una de las dos columnas. También puedes usar el argumento suffixes = ('_columna_de_A', 'columna_de_B') en la llamada a pd.merge, de forma que el dataframe combinado tendrá esta nueva nomenclatura en las columnas duplicadas y podrás identificar de qué dataframe originalmente salió cada columna.

     merged = pd.merge(A, B, on = keys, suffixes = ('_A', '_B'))
    
  3. Antes de llamar a pd.merge, eliminar las columnas duplicadas en uno de los dos dataframes. Esto sería válido si, al igual que en el punto (1), la información de ambas es la misma.

     B.drop(columns=['Variable_Area', inplace=True)
     merged = pd.merge(A, B, on = keys)
    
  4. Eliminar las columnas después de hacer el pd.merge. Simplemente ejecuta

     merged = pd.merge(A, B, on = keys)
     merged.drop(columns=['Variable Area_y'], inplace=True)
     merged.rename(columns={'Variable_Area_x': 'Variable_Area'}, inplace=True)
    

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.