Capítulo 7 · 10 niveles
Unir tablas
Combina las tablas de Harbor & Pine con merge, gestiona las filas sin coincidencia con left joins e indicator, y evita la trampa de la multiplicación de filas.
Las preguntas reales cruzan tablas. “Ingresos por categoría” necesita las líneas de pedido (para los
ingresos) y los productos (para la categoría). “Clientes que nunca han comprado” necesita clientes y
pedidos. “Reembolsos por canal” necesita devoluciones, líneas de pedido y pedidos. Los datos están
separados a propósito, para que cada dato se guarde una sola vez, y merge es la forma de volver a
juntarlos.
Unir tablas también es donde ocurren los errores más caros. Si unes por la clave equivocada, o unes
una tabla donde una fila coincide con muchas, tus totales se duplican sin avisar. No sale ningún
error. Las cifras simplemente se ven un poco altas. Este capítulo enseña la mecánica (how=, on=,
suffixes, indicator) y, sobre todo, los hábitos que mantienen honestos tus merges: conocer el grano
de cada tabla, comprobar el número de filas antes y después, y usar validate= para que pandas
verifique tus suposiciones por ti.
Niveles
- Añade nombres de producto a las líneas de pedido
de Angela Rivera, Directora de Atención al Cliente
merge, inner join, on, suffixes, row count check
- Clientes que nunca han comprado
de Logan Brooks, Especialista en Email Marketing
left join, indicator, anti join, isin
- Ingresos por categoría, solo pedidos completados
de Laura Bennett, Directora de Finanzas
merge, multi table, groupby, filtering
- ¿Por qué se duplicaron los ingresos de envío?
de Laura Bennett, Directora de Finanzas
fan out, grain, merge
- Gastos de envío en pedidos de iluminación
de Daniel Brooks, Director de Operaciones
fan out, grain, isin, unique, merge
- Apila dos exportaciones trimestrales
de Laura Bennett, Directora de Finanzas
concat, ignore index, row count check, groupby, named aggregation
- Depuración: ¿30.338 pedidos por segmento?
de Laura Bennett, Directora de Finanzas
fan out, grain, merge, validate, debugging
- Productos que se vendieron en un solo trimestre
de Thomas Whitaker, Director de Merchandising
outer join, right join, indicator, merge, groupby
- ¿Quién cobra más cerca de su jefe?
de Priya Shah, Directora de Datos
self merge, left on right on, suffixes, new column, sort values
- Desafío final: ¿de dónde vienen las devoluciones?
de Angela Rivera, Directora de Atención al Cliente
merge, multi table, groupby, rates, validate