Merge

Mezclar por dos columnas

Supongamos que tenemos dos DataFrames, llamados dfA y dfB. Si quieremos mezclar usando ambos, se usa como argumento de la variable left_on una lista.

Por ejemplo, si dfA es:

y dfB es:

Y queremos un nuevo dataframe, llamado dfNew que tenga como llave las variables DIR e ID y como variables de valores var1, var2, var3 y var4, es decir:

lo hacemos así:

dfNew = pd.merge(left=dfA,right=dfB,how="left", left_on=["DIR","ID"], right_on=["DIR","ID"])

https://stackoverflow.com/questions/41815079/pandas-merge-join-two-data-frames-on-multiple-columns

2024 S2 D2. Encuesta Calidad de Vida DANE

Documentación técnica

Se encuentra en la ruta:

Encuesta Calidad de Vida :arrow_forward: Materiales Relacionados :arrow_forward: Estructura Base de Datos

Por ejemplo, para la encuesta del 2018, en la siguiente página: https://microdatos.dane.gov.co/index.php/catalog/607/related-materials

Estructura de los datos

La estructura de datos del DANE tiene la siguiente distinción:

• Tabla Padre (Maestro)

• Tabla Hijo (Detalle)

‘un registro en la tabla padre puede tener uno o varios registros correspondientes en la tabla hijo’

Ejemplo: Estructura, Salud y Servicios del hogar

En este caso:

• Tabla Padre (Maestro): Servicios del Hogar

• Tabla Hijo (Detalle): Salud

Llave (clave)

Como mencionamos antes, al mezclar dos bases de datos se debe tener en cuenta cuál es la variable que identifica los registros. Es la llave o clave para mezclar. En la estructura de las bases de datos del DANE, esta variable es diferente entre la tabla Maestro (padre) y la tabla Detalle (Hijo).

Ejemplo: Merge, Salud y Servicios del hogar

Descargamos los datos de salud y servicios del hogar de la página del DANE de la encuesta del 2018: https://microdatos.dane.gov.co/index.php/catalog/607/get-microdata

Importamos las librerías

import pandas as pd
import numpy as np

Cargamos los conjuntos de datos

dfSalud = pd.read_csv("Salud.csv",sep=';')
dfServicios = pd.read_csv("Servicios del hogar.csv",sep=';')

Preguntas:

• ¿con qué comando imprime los primeros registros de estas dos bases de datos?

• ¿con qué comandos imprime los nombres de las variables de éstas bases de datos?

• ¿con qué comando renombra la variable secuencia_encuesta de la tabla Servicios del Hogar al nombre ID ?

• ¿con qué comando renombra la variable secuencia_p de la tabla Salud al nombre ID ?

• ¿con qué comando mezclaria los dos conjuntos de datos?

¿cómo hacer cálculos sobre estos datos?

• Factor de expansión: https://medium.com/tacosdedatos/explora-los-microdatos-del-inegi-con-python-b803650b0501

• stratum, psu (consultar al DANE)