Executar pandas online

Juntar dois DataFrames no pandas

Nesta lição, você vai juntar dois DataFrames por uma coluna-chave em comum com o método merge().

  • Intermediário
  • 2 min de leitura
  • 1 exemplo executável

Introdução

O problema

Dados relacionados muitas vezes ficam em tabelas separadas: nomes dos alunos em uma, notas em outra, ligadas por um ID de aluno. Para analisá-las juntas, você precisa casar as linhas por essa chave compartilhada, como um join de banco de dados.

Pense assim

Juntar tabelas é como casar crachás com provas pelo número do aluno. Você coloca as duas pilhas lado a lado e grampeia o crachá e a prova que têm o mesmo número.

Dos crachás e provas ao código
students🏷️ Crachás com um id
scores📝 Provas com um id
merge(scores, on="id")📎 Grampeie os que têm o mesmo id
id, name, score📋 Uma linha por aluno casado
As linhas são casadas por uma coluna-chave compartilhada.
Em uma frase

merge combina dois DataFrames casando valores em uma ou mais colunas-chave. Por padrão, ele mantém só as chaves encontradas nas duas tabelas (um inner join).

Pontos-chave

  1. students.merge(scores, on="id") casa as linhas cujo id é o mesmo.
  2. Cada linha do resultado tem as colunas das duas tabelas: id, name e score.
  3. Por padrão, só os ids presentes nas duas tabelas ficam.
  4. A coluna id aparece uma vez, porque é a chave.

Quando usar?

  • Combinar tabelas de um banco de dados ou de vários arquivos.
  • Acrescentar informações como nomes ou preços a linhas que só têm um ID.
  • Comparar duas versões de um conjunto de dados.

Quando não é preciso

  • Empilhar tabelas com as mesmas colunas uma sobre a outra: use pd.concat.
  • Chaves que não são únicas em nenhum dos lados: cada correspondência multiplica as linhas, então procure repetidos antes.

Código de exemplo

Executar 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"))
Gerar um botão Run para este exemplo

Resultado da execução

id name  score
0   1  Ada     95
1   2  Lin     88

Explicação do código

O parâmetro on="id" define a coluna id como chave para ligar as duas tabelas. Por padrão, merge() faz um inner join, ou seja, mantém apenas os ids que aparecem nas duas tabelas e junta suas colunas em uma tabela de resultado. Antes de juntar, vale verificar o tipo da coluna-chave e se há valores repetidos, para evitar resultados errados.

Altere os valores e execute o programa no compilador Python online CodeUtility sem instalar Python.

Exercícios práticos

Tente modificar o código seguindo as sugestões abaixo. Mudar o código e observar o resultado ajuda você a entender muito mais do que só ler.

  1. Adicione linhas, colunas e alguns valores ausentes aos dados de exemplo.
  2. Combine filtro, ordenação e groupby para montar um pequeno relatório.
  3. Leia um arquivo de dados real, confira o tipo de cada coluna e trate os valores inválidos.
Executar no compilador Python →

Erros comuns

Perder linhas sem perceber

O inner join padrão descarta alunos que não têm nota.

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

Terminou esta lição?

Marque como aprendida para acompanhar seu progresso.