En este capítulo, sentaremos las bases para usar pandas al unir datos. Verás los tipos de uniones y cómo pandas puede mejorar tu eficacia y productividad.

Unir datos: una necesidad del mundo real

La necesidad de unir datos

Trabajar con datos divididos

Trabajar con datos complementarios

Concatenación

Concatenación de filas

Concatenar filas con índices duplicados

Concatenar columnas

Potencia y flexibilidad

Afirmación

Afirmaciones verdaderas

Afirmaciones falsas

Ventajas de las uniones en pandas

Código sencillo para combinaciones complejas

Introducción a las uniones de datos

En este capítulo, aprenderás a usar pandas para unir datos de un modo similar a las fórmulas VLOOKUP en una hoja de cálculo. Conocerás tres tipos de uniones y luego te centrarás en el primero: las uniones uno a uno.

Tipos de joins

Uniones uno a uno

Uniones de uno a muchos

Joins de muchos a muchos

Un vistazo en profundidad a las uniones uno a uno

Poniendo en orden el marco de trabajo.

Replicando VLOOKUP

Unir con dos o más claves

Combinar datos comunes con inner joins

Uniones orientadas a objetos

Joins inner básicos

Cómo gestionar nombres diferentes

Elegir el método de unión correcto

Uniones al estilo VLOOKUP

En este capítulo, nos centraremos en las relaciones uno a muchos. Practicarás cómo identificar la relación de las columnas clave y unir data frames por columna. También aprenderás a unir dos o más data frames basándote en sus índices.

"De muchos, uno"

Marco, parte 2: combinaciones de uno a muchos

Identificar relaciones de uno a muchos

Uniones por columnas clave

Comprobar claves duplicadas

Completar una fusión de uno a muchos

Joins basados en el índice

Uniones por índice

Unir varias tablas

Repaso del join de uno a muchos

Uniones uno a muchos

En el capítulo final, aprenderás técnicas avanzadas de unión para usar cuando te enfrentes a datos complejos. Se te planteará un reto en forma de caso práctico para poner a prueba tus habilidades.

Unir datos en la vida real

Mezclar índices y columnas

Sufijos e indicadores

Trabajar con datos temporales

Combinando series temporales

Emparejar con la hora más cercana

Resumen y estudio de caso

Reto del estudio de caso - parte 1

Desafío de estudio de caso - parte 2

Desafío del estudio de caso - parte 3

Uniones avanzadas

Games Plays

Players draft

Current players

Games

New weather data

Unir dos o más conjuntos de datos es necesario en casi cualquier análisis del mundo real. Ya lo has hecho con hojas de cálculo usando VLOOKUP y funciones relacionadas. ¿Puedes aprovechar esa experiencia al dar el salto a Python? ¡Sí! En este curso aprenderás a fondo cómo combinar conjuntos de datos con pandas, el estándar de oro de Python para manipular datos tabulares. Aplicarás funciones de pandas para combinar datos de la National Football League (NFL) en un entorno de hoja de cálculo familiar. Con estas habilidades, podrás aprovechar la potencia de pandas e integrar conjuntos de datos más grandes y complejos en cualquier análisis.

Python for Spreadsheet Users

Aprende a unir conjuntos de datos en formato tabular usando la biblioteca Pandas de Python.

Uniones en pandas para usuarios de hojas de cálculo

Aprende a unir de forma eficaz y eficiente conjuntos de datos en formato tabular utilizando la biblioteca Pandas de Python.  

Puedes unir data frames por más de una columna o nivel de índice sin concatenar.

Muchos paquetes populares de Machine Learning en Python aceptan data frames de pandas como entrada.

Solo puedes unir dos data frames originales dentro de una única sentencia.

Los data frames tienen un límite de 16.777.216 filas (2\*\*22).

Ventajas de las uniones en pandas

Uniones en pandas para usuarios de hojas de cálculo

Ejercicio interactivo práctico