Cómo unir DataFrames con Pandas merge() en Python

La función Pandas DataFrame.merge() se utiliza para unir dos DataFrames basándose en claves (keys) comunes. De este modo, puedes combinar datos de diferentes fuentes de manera eficiente para realizar análisis más completos.

Sintaxis de la función Pandas merge()

La función de Pandas DataFrame.merge() de la Biblioteca Python Pandas acepta una amplia variedad de parámetros que afectan la forma en que se combinan los DataFrames. La sintaxis general de la función merge() es la siguiente:

DataFrame.merge(left, right, how='inner', on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=('_x', '_y'), copy=True, indicator=False, validate=None)

Parámetros relevantes

Con los diferentes parámetros que acepta la función Pandas merge(), no solo especificas los DataFrames, que deseas combinar, sino también el tipo de unión (también llamada join en inglés) y otros detalles adicionales.

Cómo utilizar Pandas merge()

Te presentamos una serie de ejemplos que te ayudarán a comprender cómo funciona Pandas merge().

INNER JOIN o unión interna

Una INNER JOIN o unión interna une dos DataFrames de Pandas y devuelve solo las filas en las que las claves coinciden en ambos DataFrames. Primero, crearemos dos DataFrames que nos servirán de ejemplo:

import pandas as pd
# DataFrames de ejemplo
df1 = pd.DataFrame({
    'Clave': ['A', 'B', 'C'],
    'Valor1': [1, 2, 3]
})
df2 = pd.DataFrame({
    'Clave': ['B', 'C', 'D'],
    'Valor2': [4, 5, 6]
})
print(df1)
print(df2)

Los dos DataFrames resultantes tendrían el siguiente aspecto:

Clave    Valor1
0        A             1
1        B             2
2        C             3
    Clave    Valor2
0        B             4
1        C             5
2        D             6

Ahora puedes realizar una INNER JOIN utilizando la función die merge():

# INNER JOIN
result = pd.merge(df1, df2, how='inner', on='Clave')
print(result)

La salida muestra que, en este ejemplo, solo las filas con las claves B y C se incluyen en el DataFrame resultante, ya que estas están presentes en ambos DataFrames originales.

Clave    Valor1    Valor2
0        B            2            4
1        C            3            5

OUTER JOIN o unión externa

Una OUTER JOIN o unión externa también une dos DataFrames. A diferencia de la unión interna (INNER JOIN), con la unión externa se devuelven todas las filas y los valores faltantes se rellenan con NaN.

# OUTER JOIN
result = pd.merge(df1, df2, how='outer', on='Clave')
print(result)

Como era de esperar, en el DataFrame resultante se incluyen todas las filas de ambos DataFrames. Para la clave A, que solo está presente en df1, y la clave D, que solo está presente en df2, los valores faltantes se rellenan con NaN.

Clave    Valor1    Valor2
0        A        1.0        NaN
1        B        2.0        4.0
2        C        3.0        5.0
3        D        NaN        6.0

Uso de left_on y right_on

A veces, los dos DataFrames tienen diferentes nombres de columnas clave. En este caso, puedes usar los parámetros left_on y right_on para especificar qué columnas se deben utilizar. Para esto, primero debes crear dos nuevos DataFrames:

df3 = pd.DataFrame({
    'Clave': ['A', 'B', 'C'],
    'Valor1': [1, 2, 3]
})
df4 = pd.DataFrame({
    'Clave2': ['B', 'C', 'D'],
    'Valor2': [4, 5, 6]
})
print(df3)
print(df4)

Los dos DataFrames resultantes tienen el siguiente aspecto:

Clave    Valor1
0        A            1
1        B            2
2        C            3
    Clave2    Valor2
0        B            4
1        C            5
2        D            6

Para realizar la operación JOIN con claves diferentes, se especifican los parámetros left_on y right_on:

# Unir con diferentes nombres de columnas clave
result = pd.merge(df3, df4, how='inner', left_on='Clave', right_on='Clave2')
print(result)

Al utilizar explícitamente left_on='Clave' y right_on='Clave2', se usan las columnas clave correspondientes para realizar la unión.

Clave  Valor1 Clave2 Valor2
0     B        2        B        4
1     C        3        C        5

Uso de índices como clave

También puedes utilizar los índices de los DataFrames como clave para la unión configurando los parámetros left_index y right_index en True. Primero, se crean dos nuevos DataFrames con índices:

df5 = pd.DataFrame({
    'Valor1': [1, 2, 3]
}, index=['A', 'B', 'C'])
df6 = pd.DataFrame({
    'Valor2': [4, 5, 6]
}, index=['B', 'C', 'D'])
print(df5)
print(df6)

Con el código anterior, se generan los siguientes DataFrames:

Valor1
A        1
B        2
C        3
    Valor2
B        4
C        5
D        6

Ahora se puede realizar una operación de unión basada en los índices con Pandas merge():

# Unir con índices
result = pd.merge(df5, df6, how='inner', left_index=True, right_index=True)
print(result)

El resultado, tal y como era de esperar, es una unión o JOIN basada en los índices de los DataFrames:

Valor1  Valor2
B        2        4
C        3        5