0

alguien sabría una manera muy concreta para combinar las columnas de dos CSV?

Me gustaria crear un csv a partir de otros haciendo que en la columna 'Evento' y 'Respuesta se añadan los eventos del segundo csv pero justo en la misma fila en la que coincidan por tiempo con el primer csv.

csv1 = [
[1, Tiempo, Evento, Respuesta],
[2,  00.01,       ,          ],
[3,  00.12,       ,          ],
[4,  00.58,       ,          ],
[5,  00.73,       ,          ]
]

csv2 = [
[1, Tiempo, Evento, Respuesta],
[2,  00.12,  'x'  ,          ],
[3,  00.73,  'y'  ,    'y'   ]
]

resultado_esperado = [
[1, Tiempo, Evento, Respuesta],
[2,  00.01,       ,          ],
[3,  00.12,  'x'  ,          ],
[4,  00.58,       ,          ],
[5,  00.73,  'y'  ,    'y'   ]
]
0

2 respuestas 2

0

Buen día,

Nota: Al utilizar pandas es recomendable no utilizar ciclos (Por ejemplo for) para iterar en los elementos, hay métodos optimizados que trabajan con el dataset rápida y eficientemente. En la mayoría de los casos, si lo que quieres hacer crees que se puede hacer con un for entonces es el camino incorrecto (O el que va a tardar más y tener mayor impacto al procesador). En esos casos, si no hay un método directo que realice la tarea entonces apply podría ser una buena opción, como último recurso sería utilizar ciclos.

Puedes realizarlo fácilmente al utilizar pandas.DataFrame.update, únicamente tenemos que utilizar las columnas "Tiempo" de ambos dataframes como índices, realizar el update y luego utilizar reset_index() para recuperar el índice original del primer dataframe.

Ejemplo completo:

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'Tiempo': [00.01, 00.12, 00.58, 00.73],
                    'Evento': [np.nan, np.nan, np.nan, np.nan],
                    'Respuesta': [np.nan, np.nan, np.nan, np.nan]})

df2 = pd.DataFrame({'Tiempo': [00.12, 00.73],
                    'Evento': ['x', 'y'],
                    'Respuesta': [np.nan, 'y']})

# Convertimos la columna Tiempo a índice
df1.set_index('Tiempo', inplace = True)
df1.update(df2.set_index('Tiempo'))
df1.reset_index(inplace = True)
print(df1)

Esto imprime el siguiente dataframe:

   Tiempo Evento Respuesta
0    0.01    NaN       NaN
1    0.12      x       NaN
2    0.58    NaN       NaN
3    0.73      y         y

Y al final puedes utilizar pandas.DataFrame.to_csv para crear el csv resultante.

5
  • Muchas gracias por tu respuesta. Este código funciona perfecto. Pero si complicamos un poco mas el ejemplo suponiendo que: df1 = pd.DataFrame(columns=['Tiempo','Evento']) en este caso con tu ejemplo df1.set_index('Tiempo', inplace = True) df1.update(df2.set_index('Tiempo')) df1.reset_index(inplace = True) print(df1) nos daría un dataframe vacío. ¿Como se podría solucionar?
    – rd12
    Commented el 20 ene. 2023 a las 8:51
  • No entiendo que quisieras hacer con eso, con lo que pusiste estás creando un dataframe vacío al inicio, luego haces un par de operaciones y luego imprimes df1 que sigue vacío y claramente no puede hacer update porque las entradas no existen. Commented el 20 ene. 2023 a las 10:19
  • En este nuevo caso la intención seria que al dataframe vacio se le añadan los datos de un dataframe con datos. Como por ejemplo el df2 o un supuesto df3 con nuevos datos y que se añadan al df1 vacio del mismo modo que sucede en tu ejemplo
    – rd12
    Commented el 20 ene. 2023 a las 11:17
  • Ya veo, yo creo que lo mejor es que lo intentes resolver y si hay algún error crear una nueva pregunta ya que es importante mantener una sola pregunta por publicación para que las respuestas sean útiles. Una pista, update no serviría para ese caso. Saludos! Commented el 20 ene. 2023 a las 11:24
  • Genial! Así lo he hecho. Comparto el enlace del nuevo hilo por si alguien se encuentra con el mismo problema que yo: es.stackoverflow.com/questions/579255/…
    – rd12
    Commented el 20 ene. 2023 a las 13:28
-1

Al principio probé creando un csv vacío para los resultados, y luego a través de pandas abrir los 3 csv:

import pandas as pd

#Creo el csv vacio donde almacenar los resultados y los cargo con pandas
resultado_esperado = "/filepath/resultado.csv"
with open(resultado_esperado, 'w') as f:
        f.write("Tiempo; Evento; Respuesta")
    f.close()

df_resultado = pd.read_csv(csv, sep =';')
df_csv1 = pd.read_csv(csv1, sep =';')
df_csv_2 = pd.read_csv(csv2, sep =';')

#Añado al csv con los resultados los tiempos del primer csv y guardo el archivo
df_resultado['Tiempo'] = df_csv1['Tiempo']
df.to_csv(csv, sep =';')


#Aqui es donde tengo el fallo:
for i in range (len(df['Tiempo']):
       if df_resultado['Tiempo'][i] == df_csv1['Tiempo'][i]:
           df_resultado['Evento'][i] = df_csv2['Evento'][i]
       

En los pasos previos todo esta correcto pero en el ultimo paso, hago un bucle condicional en el que pretendo que por cada fila si coincide el 'Tiempo' me añada en esa misma fila el 'Evento' correspondiente del csv2.

1
  • 2
    ¿Esto es una respuesta o debería ser una edición a la pregunta?
    – Mateo
    Commented el 19 ene. 2023 a las 15:26

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.