1

Dispongo de dos DataFrames de una sola columna y cuyos índices de filas son fechas . Quiero unir ambos DataFrame, en uno solo, con el rango de fechas (fecha menor - fecha mayor) en los DataFrames. Intento hacerlo de la siguiente manera.

import pandas as pd

# Primer DataFrame
dicc_df1 = {'Close df1': {Timestamp('2013-12-20 00:00:00'): 9689.900390625,
  Timestamp('2013-12-23 00:00:00'): 9758.400390625,
  Timestamp('2013-12-24 00:00:00'): 9819.5,
  Timestamp('2013-12-27 00:00:00'): 9900.099609375,
  Timestamp('2013-12-30 00:00:00'): 9901.900390625,
  Timestamp('2013-12-31 00:00:00'): 9916.7001953125,
  Timestamp('2014-01-02 00:00:00'): 9760.2998046875,
  Timestamp('2014-01-03 00:00:00'): 9798.0,
  Timestamp('2014-01-06 00:00:00'): 9888.5,
  Timestamp('2014-01-07 00:00:00'): 10178.7001953125,
  Timestamp('2014-01-08 00:00:00'): 10253.599609375}}

df1 = pd.DataFrame.from_dict(dicc_df1, orient='columns')
df1.index = pd.to_datetime(df1.index, format='%Y-%m-%d')
df1 = df1.rename_axis('Date')

# Segundo DataFrame
dicc_df2 = {'Close df2': {Timestamp('2014-01-06 00:00:00'): 9888.5,
  Timestamp('2014-01-07 00:00:00'): 10178.7001953125,
  Timestamp('2014-01-08 00:00:00'): 10253.599609375,
  Timestamp('2014-01-09 00:00:00'): 10234.2001953125,
  Timestamp('2014-01-10 00:00:00'): 10290.599609375,
  Timestamp('2014-01-13 00:00:00'): 10365.5,
  Timestamp('2014-01-14 00:00:00'): 10382.0,
  Timestamp('2014-01-15 00:00:00'): 10525.0,
  Timestamp('2014-01-16 00:00:00'): 10455.5,
  Timestamp('2014-01-17 00:00:00'): 10465.7001953125}}

df2 = pd.DataFrame.from_dict(dicc_df2, orient='columns')
df2.index = pd.to_datetime(df2.index, format='%Y-%m-%d')
df2 = df2.rename_axis('Date')

# Determinar el rango de fechas basado en el DataFrame más grande
start_date = min(df1.index.min(), df2.index.min())
end_date = max(df1.index.max(), df2.index.max())

# Unión de los dos DataFrames
df1 = df1.loc[start_date:end_date].ffill().bfill()
df2 = df2.loc[start_date:end_date].ffill().bfill()
df1.index = pd.to_datetime(df1.index)
df2.index = pd.to_datetime(df2.index)
df_total = pd.concat([df1, df2], axis=1, join='inner')
df_total

Me devuelve.

introducir la descripción de la imagen aquí

No ha seleccionado un rango con las fechas más antigua y la más reciente. ¿Cuál es el error?.

2 respuestas 2

1

Según tu descripción, lo que buscas hacer es un full outer join de los dos dataframes.

Luego de terminar de definirlos, con sus índices, puedes valerte del método join() para lograrlo, por ejemplo:

df_completo = df1.join(df2, lsuffix="_left", rsuffix="_right", how="outer")
print(df_completo)

Me devuelve:

               Close df1     Close df2
Date                                  
2013-12-20   9689.900391           NaN
2013-12-23   9758.400391           NaN
2013-12-24   9819.500000           NaN
2013-12-27   9900.099609           NaN
2013-12-30   9901.900391           NaN
2013-12-31   9916.700195           NaN
2014-01-02   9760.299805           NaN
2014-01-03   9798.000000           NaN
2014-01-06   9888.500000   9888.500000
2014-01-07  10178.700195  10178.700195
2014-01-08  10253.599609  10253.599609
2014-01-09           NaN  10234.200195
2014-01-10           NaN  10290.599609
2014-01-13           NaN  10365.500000
2014-01-14           NaN  10382.000000
2014-01-15           NaN  10525.000000
2014-01-16           NaN  10455.500000
2014-01-17           NaN  10465.700195

Si observas, no hace falta buscar el rango de fechas, el outer join va a traer todas las fechas que existan en ambos dataframes y para las columnas que no encuentre coincidencia entre ellos va a poner NaN.

Otra alternativa es que quieras concatenar los DataFrames. Para ello, he cambiado el nombre de la columna en ambos a Close y luego he ejecutado el siguiente código:

df_completo = pd.concat([df1, df2]).drop_duplicates()
print(df_completo)

Que arroja el siguiente resultado:

                   Close
Date                    
2013-12-20   9689.900391
2013-12-23   9758.400391
2013-12-24   9819.500000
2013-12-27   9900.099609
2013-12-30   9901.900391
2013-12-31   9916.700195
2014-01-02   9760.299805
2014-01-03   9798.000000
2014-01-06   9888.500000
2014-01-07  10178.700195
2014-01-08  10253.599609
2014-01-09  10234.200195
2014-01-10  10290.599609
2014-01-13  10365.500000
2014-01-14  10382.000000
2014-01-15  10525.000000
2014-01-16  10455.500000
2014-01-17  10465.700195
1
  • 1
    La mejor opción es la que me apuntas con joint, y es la que voy a aplicar . No obstante, como habia encontrado otra que puede servir para los que como yo estamos aprendiendo y necesitamos ver muchas posibiidades de código, la voy a aportar como respuesta.
    – efueyo
    Commented el 28 jun. 2023 a las 21:09
0

Aunque la mejor opción es la apuntada por jachguate, aporto esta otra .

import pandas as pd
from pandas import Timestamp

# Primer DataFrame
dicc_df1 = {
    'Close df1': {
        Timestamp('2013-12-20 00:00:00'): 9689.900390625,
        Timestamp('2013-12-23 00:00:00'): 9758.400390625,
        Timestamp('2013-12-24 00:00:00'): 9819.5,
        Timestamp('2013-12-27 00:00:00'): 9900.099609375,
        Timestamp('2013-12-30 00:00:00'): 9901.900390625,
        Timestamp('2013-12-31 00:00:00'): 9916.7001953125,
        Timestamp('2014-01-02 00:00:00'): 9760.2998046875,
        Timestamp('2014-01-03 00:00:00'): 9798.0,
        Timestamp('2014-01-06 00:00:00'): 9888.5,
        Timestamp('2014-01-07 00:00:00'): 10178.7001953125,
        Timestamp('2014-01-08 00:00:00'): 10253.599609375
    }
}

df1 = pd.DataFrame.from_dict(dicc_df1, orient='columns')
df1.index = pd.to_datetime(df1.index, format='%Y-%m-%d')
df1 = df1.rename_axis('Date')

# Segundo DataFrame
dicc_df2 = {
    'Close df2': {
        Timestamp('2014-01-06 00:00:00'): 9888.5,
        Timestamp('2014-01-07 00:00:00'): 10178.7001953125,
        Timestamp('2014-01-08 00:00:00'): 10253.599609375,
        Timestamp('2014-01-09 00:00:00'): 10234.2001953125,
        Timestamp('2014-01-10 00:00:00'): 10290.599609375,
        Timestamp('2014-01-13 00:00:00'): 10365.5,
        Timestamp('2014-01-14 00:00:00'): 10382.0,
        Timestamp('2014-01-15 00:00:00'): 10525.0,
        Timestamp('2014-01-16 00:00:00'): 10455.5,
        Timestamp('2014-01-17 00:00:00'): 10465.7001953125
    }
}

df2 = pd.DataFrame.from_dict(dicc_df2, orient='columns')
df2.index = pd.to_datetime(df2.index, format='%Y-%m-%d')
df2 = df2.rename_axis('Date')

# Crear DataFrame con rango de fechas completo
start_date = min(df1.index.min(), df2.index.min())
end_date = max(df1.index.max(), df2.index.max())
idx = pd.date_range(start=start_date, end=end_date, freq='D')
df_combined = pd.DataFrame(index=idx)

# Combinar DataFrames y solucionar NaN
df_combined = pd.concat([df_combined, df1, df2], axis=1)
df_combined = df_combined.ffill().bfill()

df_combined.info()

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.