Pandas tiene multiples formas de unir dataframes, dependiendo de lo que quieras hacer, te vendrán mejor unas u otras. Paso a explicar las dos formas principales y sus resultados usando el ejemplo de la pregunta.
concatenar
Si se quiere unir distintos DataFrames y todos tienen el mismo orden (es decir si los datos de la fila 1 del DataFrame 1, corresponde con la del DataFrame 2 y el DataFrame 3), se haría así:
pd.concat([df_1, df_2, df_3], axis=1)
Salida:
fruta precio stock ventas_totales ingresos_ventas
0 manzana 0.20 10 3 120
1 pera 0.45 20 5 110
2 platano 0.15 25 2 64
3 naranja 0.12 12 3 44
4 aguacate 0.62 40 6 147
Con axix=1
indicamos que queremos unirlo por filas, si ponemos axis=0
se uniría por columnas.
Ventajas:
- Rápido y sencillo
- Nos permite pasar una lista de DataFrames uniendo todo los que queramos. (muy usado cuando se almacenan dataframes en una lista con
.append()
Desventajas:
- Los DataFrames tienen que tener el mismo número de filas
- Las filas deben tener los datos ordenados ya que los une por el indice
Un sinónimo de esta forma sería:
pd.merge(df_1, df_2, left_index=True, right_index=True).merge(df_3, left_index=True, right_index=True)
El resultado es el mismo, aunque como se puede comprobar es más tedioso de escribir
Usar merge por ID
En este caso vamos a suponer que tenemos una columna con IDs que identifican cada fila, y que no están ordenadas, es decir, el ID de la fila 1 en el DataFrame 1, lo podemos encontrar en la fila "X" del DataFrame 2. Pongo el código de ejemplo:
import pandas as pd
import numpy as np
df_1 = pd.DataFrame({"id": [1,2,3,4,5],
"fruta": ["manzana", "pera", "platano", "naranja", "aguacate"],
"precio": [0.20, 0.45, 0.15, 0.12, 0.62]})
df_2 = pd.DataFrame({"id":[5,4,3,2,1],
"stock": [10, 20, 25, 12, 40]})
df_3 = pd.DataFrame({"id":[4,2,5,1,3],
"ventas_totales":[3, 5, 2, 3, 6],
"ingresos_ventas": [120, 110, 64,44, 147]})
En este caso no podemos usar pandas.concat()
. Para unir los dataframes podemos usar el método .merge()
que es exactamente igual que la función pandas.merge()
, y nos permitirá seleccionar la columna por la que queremos unir, y la forma de unión:
df_1.merge(df_2, on="id", how="left")
Salida:
id fruta precio stock
0 1 manzana 0.20 40
1 2 pera 0.45 12
2 3 platano 0.15 25
3 4 naranja 0.12 20
4 5 aguacate 0.62 10
Con el parámetro on=
indicamos el nombre de la columna por la que queremos unir, y con el parámetro how=
el tipo de unión que funciona igual que en SQL
. Pandas soporta los tipo de unión inner
, left
, right
outer`.
En el caso de que queramos hacer merge()
de más de dos DataFrames, solo tenemos que ir encadenando métodos:
#unimos el primero al segundo y el resultado de dicha unión, le unimos el tercero
df_1.merge(df_2, on="id", how="left").merge(df_3, on="id", how="left")
Salida:
id fruta precio stock ventas_totales ingresos_ventas
0 1 manzana 0.20 40 3 44
1 2 pera 0.45 12 5 110
2 3 platano 0.15 25 6 147
3 4 naranja 0.12 20 3 120
4 5 aguacate 0.62 10 2 64
Incidir que con merge()
podemos hacer distintos tipos de uniones, al estilo de SQL
Estos métodos son tremendamente útiles el saber usarlos bien en Pandas
. Aquí quedo la documentación oficial de pandas, por si se quiere ampliar más y ver distintos parámetros: