Lección 3 del curso Pandas Nivel Intermedio.
En las lecciones anteriores hemos visto como usar «join()» para realizar la unión de DataFrames y «concat()» para concatenar DataFrames en Pandas. Sin embargo, estos métodos son relativamente limitados, bien sea por que funcionan sólo sobre una única orientación (como «join()») o porque los DataFrames a combinar deben tener una estructura similar (como en el caso de «concat()»).
En esta lección hablaremos de «merge()» una función y a la vez un método que permite combinar DataFrames y Series en Pandas y que es más versátil y completa que «join()» y «concat()».
En particular, «merge()» nos permite fusionar tablas de una forma muy similar a como se hace en las bases de datos relacionales (es decir usando combinaciones izquierdas, intersecciones y uniones, entre otras).
Además, dichas combinaciones se pueden realizar no sólo usando como referencia los índices de los DataFrames sino también una o múltiples columnas.
Veamos entonces en detalle las diferentes formas de usar «merge()»:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Acabamos de ver cómo usar «merge()», que es un método y también una función en Pandas, para realizar diferentes tipos de combinaciones (fusiones) de DataFrames (también funciona para Series).
Vimos que en efecto este método/función es mucho más versátil que las alternativas ofrecidas por «join()» y «concat()» vistas anteriormente. En particular, nos permite realizar diferentes tipos de fusiones (izquierda, intersección y unión) haciendo uso del argumento «how». Además es posible combinar DataFrames con estructuras totalmente diferentes.
Así que con esto cerramos este primer módulo del curso, donde hemos visto las principales herramientas de Pandas usadas en la combinación de datos.
En el segundo módulo del curso nos enfocaremos en una operación que generalmente usaremos en nuestros proyectos de Ciencia de Datos y Machine Learning: hablaremos de la operación «groupby».
Y en la próxima lección veremos el funcionamiento de «groupby» que nos permite dividir un DataFrame en agrupaciones.
Todas las lecciones del curso Pandas Nivel Intermedio