Para unir 2 dataframes por una columna en el primero y otra en el segundo, puedes usar la función merge
.
Teniendo estos dataframes de ejemplo:
df1 = pd.DataFrame(
data={
"A": ["clave1", "clave2", "clave3"],
"C": ["valor1", "valor2", "valor3"]
}
)
df2 = pd.DataFrame(
data={
"B": ["clave3", "clave1", "clave4"],
"D": ["valor4", "valor5", "valor6"]
}
)
df1
quedaría así:
A C
0 clave1 valor1
1 clave2 valor2
2 clave3 valor3
df2
quedaría así:
B D
0 clave3 valor4
1 clave1 valor5
2 clave4 valor6
Para unir df1
y df2
a través de las columnas A y B respectivamente, puedes usar la función merge
. Tienes las siguientes opciones:
Left Merge
df3 = df1.merge(df2, how="left", left_on="A", right_on="B")
df3
queda así:
A C B D
0 clave1 valor1 clave1 valor5
1 clave2 valor2 NaN NaN
2 clave3 valor3 clave3 valor4
df3
es un nuevo dataframe con las columnas de df1
y df2
y con todas las filas de df1
. En el caso de que un valor de A no se encuentre en B, los valores de las columnas de df2
quedan como NaN
(nulo).
Right Merge
df3 = df1.merge(df2, how="right", left_on="A", right_on="B")
df3
queda así:
A C B D
0 clave1 valor1 clave1 valor5
1 clave3 valor3 clave3 valor4
2 NaN NaN clave4 valor6
df3
es un nuevo dataframe con las columnas de df1
y df2
y con todas las filas de df2
. En el caso de que un valor de B no se encuentre en A, los valores de las columnas de df1
quedan como NaN
.
Inner Merge
df3 = df1.merge(df2, how="inner", left_on="A", right_on="B")
df3
queda así:
A C B D
0 clave1 valor1 clave1 valor5
1 clave3 valor3 clave3 valor4
df3
es un nuevo dataframe con las columnas de df1
y df2
y sólo con las filas de df1
y df2
donde los valores de A
y B
coincidan. En el caso de que un valor de A no se encuentre en B o viceversa, dichas filas no aparecen en df3
.
Outer Merge
df3 = df1.merge(df2, how="outer", left_on="A", right_on="B")
df3
queda así:
A C B D
0 clave1 valor1 clave1 valor5
1 clave2 valor2 NaN NaN
2 clave3 valor3 clave3 valor4
3 NaN NaN clave4 valor6
df3
es un nuevo dataframe con las columnas de df1
y df2
y con todas las filas de df1
y df2
. En el caso de que un valor de A no se encuentre en B, los valores de las columnas de df2
quedan como NaN
, y viceversa.