0

Si tengo distintos dataframes en Pandas, ¿Cómo puedo unirlos?

Por ejemplo me creo tres DataFrame:

import pandas as pd
import numpy as np

df_1 = pd.DataFrame({"fruta": ["manzana", "pera", "platano", "naranja", "aguacate"],
                    "precio": [0.20, 0.45, 0.15, 0.12, 0.62]})
df_2 = pd.DataFrame({"stock": [10, 20, 25, 12, 40]})
df_3 = pd.DataFrame({"ventas_totales":[3, 5, 2, 3, 6],
                     "ingresos_ventas": [120, 110, 64,44, 147]})

¿Hay alguna forma de concatenarlos (unirlos) en Pandas, o es imposible y debería de usar un bucle for?

Y si tienen un Identificador (ID) ¿Es posible unirlos en base a una columna como en SQL?

0

1 respuesta 1

7

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:

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.