concat

import pandas as pd

enero = pd.DataFrame({"producto": ["Teclado", "Mouse"], "unidades": [3, 5]})
febrero = pd.DataFrame({"producto": ["Teclado", "Webcam"], "unidades": [7, 2]})

juntas = pd.concat([enero, febrero])
print(juntas)

print()
print("Mira el indice de la izquierda: 0, 1, 0, 1.")
print("concat no renumera: cada tabla se trajo sus etiquetas.")
print("indice unico:", juntas.index.is_unique)

print()
renumerada = pd.concat([enero, febrero], ignore_index=True)
print(renumerada)
print("con ignore_index=True el indice queda 0..n-1 y es unico:",
      renumerada.index.is_unique)

import pandas as pd

meses = ["enero", "febrero", "marzo"]
tablas = {m: pd.read_csv(f"derivados/ventas_{m}.csv") for m in meses}

for m, t in tablas.items():
    print(f"ventas_{m}.csv:", len(t), "filas")

juntas = pd.concat(tablas.values(), ignore_index=True)
print()
print("apiladas:", len(juntas), "filas")

original = pd.read_csv("ventas_mensuales.csv")
print("original:", len(original), "filas")
print("faltan  :", len(original) - len(juntas))

print()
print("Los tres archivos se armaron partiendo el original por mes, y aun asi")
print("apilarlos no lo reconstruye. Las filas que faltan no pertenecen a")
print("ningun mes: tienen la fecha vacia, o rota, o escrita en otro formato.")

sin_mes = pd.read_csv("derivados/ventas_sin_mes.csv", dtype=str,
                      keep_default_na=False)
print()
print(sin_mes[["fecha", "vendedor", "producto"]].to_string(index=False))

import pandas as pd

sucursal_a = pd.DataFrame({
    "producto": ["Teclado", "Mouse"],
    "unidades": [3, 5],
})
sucursal_b = pd.DataFrame({
    "producto": ["Webcam"],
    "cantidad": [2],          # el mismo dato con otro nombre
})

juntas = pd.concat([sucursal_a, sucursal_b], ignore_index=True)
print(juntas)

print()
print("columnas:", list(juntas.columns))
print("Nadie se quejo. Ahora hay dos columnas que significan lo mismo y")
print("ninguna esta completa. sum() de cualquiera de las dos da mal.")

print()
print("unidades.sum() =", juntas["unidades"].sum(), " (le falta la de B)")
print("cantidad.sum() =", juntas["cantidad"].sum(), " (le faltan las de A)")

print()
# La comprobacion que conviene hacer ANTES de apilar.
faltan_en_b = set(sucursal_a.columns) - set(sucursal_b.columns)
faltan_en_a = set(sucursal_b.columns) - set(sucursal_a.columns)
print("columnas que solo estan en A:", sorted(faltan_en_b))
print("columnas que solo estan en B:", sorted(faltan_en_a))

import pandas as pd

meses = ["enero", "febrero", "marzo"]
tablas = [pd.read_csv(f"derivados/ventas_{m}.csv") for m in meses]

# Sin keys, apilar pierde el origen de cada fila para siempre.
juntas = pd.concat(tablas, keys=meses, names=["mes", "fila"])
print(juntas.head(3).to_string())

print()
print("El indice ahora tiene dos niveles:", juntas.index.names)

print()
# Y con eso se puede volver a preguntar por archivo, sin haber agregado
# ninguna columna a mano.
print("filas por mes:")
print(juntas.groupby(level="mes").size().to_string())

print()
# Muchas veces conviene tenerlo como columna, no como indice.
con_columna = juntas.reset_index(level="mes").reset_index(drop=True)
print(con_columna[["mes", "fecha", "producto", "unidades"]]
      .head(3).to_string(index=False))

import pandas as pd

izquierda = pd.DataFrame({"sku": ["A1", "A2", "A3"],
                          "precio": [10.0, 20.0, 30.0]})
derecha = pd.DataFrame({"sku": ["A3", "A1", "A2"],
                        "stock": [5, 7, 9]})

pegadas = pd.concat([izquierda, derecha], axis=1)
print(pegadas)

print()
print("Quedo A1 al lado de A3. concat(axis=1) alinea por INDICE, y los dos")
print("indices son 0,1,2: pego la fila 0 con la fila 0, sin mirar el sku.")

print()
print("Lo que realmente queriamos:")
print(izquierda.merge(derecha, on="sku"))

print()
print("Regla practica: si las dos tablas comparten una columna que identifica")
print("la fila, va merge. concat(axis=1) sirve cuando el indice YA es la clave")
print("en las dos, que es raro y conviene comprobarlo.")