Ejecutar pandas online

Combinar dos DataFrame en pandas

En esta lección vas a combinar dos DataFrame mediante una columna clave común con el método merge().

  • Intermedio
  • 2 min de lectura
  • 1 ejemplo ejecutable

Introducción

El problema

Los datos relacionados suelen guardarse en tablas separadas: los nombres de los estudiantes en una, las notas en otra, unidas por un ID de estudiante. Para analizarlos juntos tienes que emparejar las filas por esa clave común, como un join de base de datos.

Imagínalo así

Unir tablas es como emparejar las etiquetas con nombre y los exámenes usando el número de estudiante. Pones los dos montones uno al lado del otro y grapas la etiqueta y el examen que tienen el mismo número.

De emparejar etiquetas y exámenes al código
students🏷️ Etiquetas con nombre y un id
scores📝 Exámenes con un id
merge(scores, on="id")📎 Grapa los que tienen el mismo id
id, name, score📋 Una fila por estudiante emparejado
Las filas se emparejan por una columna clave común.
En una frase

merge combina dos DataFrames emparejando los valores de una o más columnas clave. Por defecto, solo conserva las claves que están en las dos tablas (un inner join).

Puntos clave

  1. students.merge(scores, on="id") empareja las filas que tienen el mismo id.
  2. Cada fila del resultado tiene las columnas de las dos tablas: id, name y score.
  3. Por defecto solo se conservan los ids presentes en las dos tablas.
  4. La columna id aparece una sola vez, porque es la clave.

¿Cuándo se usa?

  • Combinar tablas de una base de datos o de varios archivos.
  • Añadir información, como nombres o precios, a filas que solo tienen un ID.
  • Comparar dos versiones de un conjunto de datos.

Cuándo no hace falta

  • Apilar tablas con las mismas columnas una encima de otra: usa pd.concat.
  • Claves repetidas en las dos tablas: cada coincidencia multiplica las filas, así que revisa antes los duplicados.

Código de ejemplo

Ejecutar código →
main.py
import pandas as pd

students = pd.DataFrame({"id": [1, 2], "name": ["Ada", "Lin"]})
scores = pd.DataFrame({"id": [1, 2], "score": [95, 88]})

print(students.merge(scores, on="id"))
Obtén un botón Run para este ejemplo

Resultado de la ejecución

id name  score
0   1  Ada     95
1   2  Lin     88

Explicación del código

El parámetro on="id" convierte la columna id en la clave que une las dos tablas. Por defecto, merge() hace una combinación interna (inner join): solo conserva los id que están en ambas tablas y reúne sus columnas en una tabla de resultado. Antes de combinar, comprueba el tipo de la columna clave y si hay duplicados para evitar resultados incorrectos.

Cambia los valores y ejecuta el programa en el compilador Python online de CodeUtility sin instalar Python.

Ejercicios de práctica

Prueba a modificar el código siguiendo las ideas de abajo. Cambiar el código y ver el resultado te ayudará a entender la lección mucho mejor que solo leerla.

  1. Añade filas, columnas y algunos valores faltantes a los datos de ejemplo.
  2. Combina filtrado, ordenación y groupby para obtener un pequeño informe.
  3. Lee un archivo de datos real, comprueba el tipo de cada columna y trata los valores no válidos.
Ejecutar en el compilador de Python →

Errores comunes

Perder filas sin darte cuenta

El inner join por defecto descarta a los estudiantes que no tienen nota.

Problema
students.merge(scores, on="id")
Solución
students.merge(scores, on="id", how="left")

¿Terminaste esta lección?

Márcala como aprendida para seguir tu progreso.