Join

Diccionarios ocupados en esta clase 😄

izq = pd.DataFrame({'A': ['A0','A1','A2'],
  'B':['B0','B1','B2']},
  index=['k0','k1','k2'])

der =pd.DataFrame({'C': ['C0','C1','C2'],
  'D':['D0','D1','D2']},
  index=['k0','k2','k3']) 

¿Cuál es la principal diferencia entre merge y join en pandas?

• Merge puede unificar df en base a los índices o a los valores de las columnas.
• Join solo lo puede hacer en base a los índices. Es una caso específico de merge.

Ya estamos en la recta final, ánimos! 😀

Este artículo explica el merge, join y concatenar comparando sus diferencias.
https://realpython.com/pandas-merge-join-and-concat/

El “rigth” deberia ser considerada palabra reservada! 😄

Información resumida de esta clase
#EstudiantesDePlatzi

• Join a diferencia del merge, utilizará los índices de nuestros DataFrame para realizar el match y no a las columnas

• También utilizamos el parámetro how para definir el tipo de unión que se va a realizar

Un aporte, hay que tener en cuanta siempre cual va a ser tu dataframe principal para unirlo o relacionarlo con otros, recordar que en sql hay reglas (uno - varios, p eje)

Mi código de hoy:

##Join - index match
data_frame_izq_04= pd.DataFrame({'A':['A0','A1','A2'],
'B':['B0','B1','B2']}, index= ['k0','k1','k2'])

data_frame_der_04= pd.DataFrame({'C':['C0','C1','C2'],
'D':['D0','D1','D2']}, index= ['k0','k2','k3'])

print(f'joining: \n {data_frame_izq_04.join(data_frame_der_04)}')
print(f'joining by inner: \n {data_frame_izq_04.join(data_frame_der_04, how= "inner")}')
print(f'joining by left: \n {data_frame_izq_04.join(data_frame_der_04, how= "left")}')
print(f'joining by right: \n {data_frame_izq_04.join(data_frame_der_04, how= "right")}')
print(f'joining by outer: \n {data_frame_izq_04.join(data_frame_der_04, how= "outer")}')

trabajando con join

Join Es otra herramienta para hacer exactamente lo mismo, una combinación. La diferencia es que join va a ir a los índices y no a columnas específicas.
________________________________________
[3]
0 s
import  pandas as pd
import numpy as np
________________________________________
[2]
0 s
izq = pd.DataFrame({'A': ['A0','A1','A2'],
  'B':['B0','B1','B2']},
  index=['k0','k1','k2'])

der =pd.DataFrame({'C': ['C0','C1','C2'],
  'D':['D0','D1','D2']},
  index=['k0','k2','k3']) 
________________________________________
[4]
izq.join(der)
#esta va directamente hacia los índices Combinamos izq con der
________________________________________
[5]
izq.join(der,how="inner")
#index a nivel de math trae solo dos filas del dataframe 
________________________________________
[7]
0 s
izq.join(der,how="left")
________________________________________
[8]
0 s
izq.join(der,how="right")
________________________________________
[9]
izq.join(der,how="outer")
#aca respeta los join pero sin importa en que posicion se encuentre completando los datos con nan 
________________________________________
join proporciona una estructura muy parecida a marge, al igual es para combinar dataframe pero lo hace directamente con el index

Here’s a breakdown of factors to consider:

• Dataset size: For small datasets, numpy join might be slightly faster, but the difference is negligible. For large datasets, pandas.merge is usually faster due to its optimized algorithms.
• Join type: Simple inner joins might be faster with numpy, while pandas.merge shines with its flexibility for left, right, outer joins, etc.
• Data alignment: Ensuring proper data alignment is crucial for numpy join performance. pandas.merge can handle misaligned data automatically.
• Missing data: pandas.merge handles missing data gracefully, while numpy join requires manual handling, potentially impacting performance.
• Code complexity: pandas.merge offers a high-level abstraction, making code cleaner and easier to maintain. Numpy join requires more low-level manipulation, increasing code complexity.

 
Según Bard

El parámetro on hace referencia a las llaves o keys (en SQL), para que hagan una relación entre los diferentes dataframes. Es opcional, si no se especifica y ‘left_index’ y ‘right_index’ son ‘False’, entonces las columnas que compartan el mismo nombre se utilizarán como llaves.

Es increible lo que se puede aprender en data-science. Si que el camino es muy largo pero al final la recompensa sera buena.

✅

join es muy útil, y me parece que con el atributo outer es más completa la concatenación:

izq.join(der, how='outer')

Recomiendo que revisen lsuffix y rsuffix esta en la documentación que esta adjuntado en esta clase sirve cuando tengamos datos de cantidad diferentes y tener una mejor visualización del dataframe por indexación.

izq = pd.DataFrame({'A':['A0','A1','A2'],
'B':['B0','B1','B2']},
index =['K0','K1','K2'])

der = pd.DataFrame({'C':['C0','C1','C2'],
'D':['D0','D1','D2']},
index = ['K0','K2','K3'])

izq.join(der,how='inner')

Mis apuntes #22 (Notion)