2

tengo dos ficheros excel muy parecidos que quiero unir con los datos de ambos, pero en los ficheros los mismo valores están en diferentes columnas y uno tiene una columna extra, os dejo el código ya que no consigo hacerlo de ninguna manera y concatenando ambos me no me coloca los ids por ejemplo donde corresponde y me lo desplaza de columna ya que el primero fichero esta en la B y en el segundo esta en la A.

import pandas as pd

df1 = pd.read_excel('Ordenados.xlsx', sheet_name='Reorder', header=None, skiprows=3, usecols="A:E")
df2 = pd.read_excel('Fixture.xlsx', sheet_name='Fixture list', header=None, skiprows=4, usecols="A:C,E,H")


print(df1.columns)
print(df2.columns)

df1 = pd.DataFrame(df1)
print(df1)

df2 = pd.DataFrame(df2)
print(df2)

join = pd.concat([df1, df2])

print(join)


2 respuestas 2

2

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.

0

Si los dos dataframes tienen las mismas dimensiones lo más conveniente (en mi opinión), es usar el función concat():

Concatenate pandas objects along a particular axis with optional set logic along the other axes.

Siendo más específicos en el axis 1:

df3 = pd.concat([df1,df2], axis = 1)

¿Cómo se usa?

concate() es una función definida en pandas, no es un método de un objeto dataframe. Se requiere pasar como argumento una lista con los elementos a concatenar y el axis en base cual se desea hacer la concatenación. Si tus dataframes son de diferente longitud es más conveniente usar otros métodos.

import pandas as pd
import numpy as np

df1 = pd.DataFrame(np.random.rand(3,2),columns = ["A","B"]) 
df2 = pd.DataFrame(np.random.rand(3,2),columns = ["C","D"])
print("{} \n".format(df1))
print("{} \n".format(df2))

df3 = pd.concat([df1,df2], axis = 1)
print("{} \n".format(df3))

df1 y df2 son dataframes generados con decimales aleatorios de numpy, df3 es la concatenación horizontal de estos dos. Los print() en el código muestran esto:

          A         B
0  0.214369  0.651027
1  0.005513  0.070687
2  0.037158  0.657393

          c         D
0  0.655054  0.668565
1  0.927045  0.492620
2  0.271781  0.198385

          A         B         C         D
0  0.214369  0.651027  0.655054  0.668565
1  0.005513  0.070687  0.927045  0.492620
2  0.037158  0.657393  0.271781  0.198385

¿Qué hay del axis = 0?

La única diferencias es que es una concatenación vertical, si se cambiara esta linea

df3 = pd.concat([df1,df2], axis = 0)

Siendo el argumentos axis = 0, se obtendría el siguiente dataframe por parte de df3:

          A         B         C         D
0  0.880407  0.886941       NaN       NaN
1  0.281703  0.197891       NaN       NaN
2  0.880959  0.095022       NaN       NaN
0       NaN       NaN  0.535670  0.700700
1       NaN       NaN  0.320057  0.574480
2       NaN       NaN  0.509887  0.638692

Esta concatenación vertical no es tan eficiente, en mi opnión concat() solo es útil con concatenaciones entre dataframes de la misma longitud y verticalmente. Si los dataframes no tuvieran las misma longitud

df1 = pd.DataFrame(np.random.rand(3,2),columns = ["A","B"]) 
df2 = pd.DataFrame(np.random.rand(2,2),columns = ["C","D"])
df3 = pd.concat([df1,df2], axis = 1)

Se obtendrían algunos espacios con NaN:

          A         B         C         D
0  0.703573  0.902122  0.644335  0.576622
1  0.594446  0.636661  0.014517  0.286855
2  0.816604  0.742067       NaN       NaN

Espero te haya servido, saludos.

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.