Nivel 2 · Clientes que nunca han comprado

Los left joins conservan todo lo de la izquierda

Un join inner descarta las filas sin pareja. Cuando las filas sin pareja son justo lo que buscas, eso es exactamente lo contrario de lo que quieres. Un left join conserva todas las filas de la tabla izquierda y rellena con NaN las columnas de la tabla derecha donde no hubo coincidencia:

customers.merge(orders, on="customer_id", how="left")

Los clientes que nunca compraron aparecen una vez, con NaN en todas las columnas de pedido. Los clientes con cinco pedidos aparecen cinco veces. Ese segundo dato importa: un left join puede alargar la tabla, así que no sirve para “añadir información” a los clientes sin cambiar su número.

indicator: ¿de dónde vino cada fila?

indicator=True añade una columna _merge con uno de tres valores:

• "both": la fila tuvo pareja.
• "left_only": solo está en la tabla izquierda.
• "right_only": solo está en la derecha (posible con how="outer").

ordered = orders[["customer_id"]].drop_duplicates()
merged = customers.merge(ordered, on="customer_id", how="left", indicator=True)
merged["_merge"].value_counts()
never = merged[merged["_merge"] == "left_only"]

orders[["customer_id"]] es una tabla de una columna con una fila por pedido, así que un cliente con cinco pedidos aparece cinco veces. .drop_duplicates() elimina las filas repetidas y conserva la primera de cada una, dejando cada ID de cliente una sola vez:

orders[["customer_id"]].drop_duplicates()   # 1,771 rows: each customer who ordered, once

Quitar duplicados así antes del merge mantiene la tabla unida en exactamente una fila por cliente, así que no hay fan-out en absoluto. (Verás drop_duplicates con más detalle en el capítulo de limpieza.)

indicator es también la mejor herramienta para auditar un merge en el que no esperabas perder filas: ejecútalo con how="outer" y mira qué es left_only y right_only.

El atajo con isin

Cuando solo necesitas las filas de la tabla izquierda, un anti-join con isin es más corto y no crea una tabla intermedia grande:

customers[~customers["customer_id"].isin(orders["customer_id"])]

Léelo como “clientes cuyo ID no está en los IDs de cliente de los pedidos”. Ambos enfoques dan las mismas filas. Usa isin para un anti-join rápido y el merge con indicator cuando también quieras inspeccionar las filas con pareja.

Comprobar NaN tras un left join

Otra forma habitual de encontrar filas sin pareja es comprobar si falta valor en una columna de la derecha. .isna() devuelve True donde falta un valor (NaN, la marca de pandas para “sin valor”):

merged = customers.merge(orders, on="customer_id", how="left")
merged[merged["order_id"].isna()]

Esto funciona cuando la columna que compruebas nunca falta en las filas con pareja. order_id cumple, pero una columna como coupon_code, que a menudo está vacía en pedidos reales, marcaría por error a muchos compradores. Comprueba una columna clave, o usa indicator.

¿Quiénes son estos clientes?

Algunos son registros recientes que simplemente aún no han comprado, y otros son los registros de cliente duplicados que conocerás en el capítulo de limpieza: la misma persona se registró dos veces y hizo pedidos solo bajo el primer ID. Antes de que Logan envíe un email a todos los de esta lista, esos duplicados deberían eliminarse, o un cliente fiel recibirá un email de “aún no has hecho ningún pedido”.

Errores comunes

• Usar un join inner y preguntarse por qué el resultado está vacío.
• Comprobar NaN en una columna que tiene huecos propios para detectar “sin pareja”.
• Olvidar que un left join con una tabla “de muchos” repite filas de la izquierda.