Combinar dos DataFrame en pandas
En esta lección vas a combinar dos DataFrame mediante una columna clave común con el método merge().
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.
students🏷️ Etiquetas con nombre y un idscores📝 Exámenes con un idmerge(scores, on="id")📎 Grapa los que tienen el mismo idid, name, score📋 Una fila por estudiante emparejadomerge 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
students.merge(scores, on="id")empareja las filas que tienen el mismoid.- Cada fila del resultado tiene las columnas de las dos tablas: id, name y score.
- Por defecto solo se conservan los ids presentes en las dos tablas.
- La columna
idaparece 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
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"))
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.
- Añade filas, columnas y algunos valores faltantes a los datos de ejemplo.
- Combina filtrado, ordenación y groupby para obtener un pequeño informe.
- Lee un archivo de datos real, comprueba el tipo de cada columna y trata los valores no válidos.
Errores comunes
Perder filas sin darte cuenta
El inner join por defecto descarta a los estudiantes que no tienen nota.
students.merge(scores, on="id")
students.merge(scores, on="id", how="left")
¿Terminaste esta lección?
Márcala como aprendida para seguir tu progreso.