Junções à esquerda e à direita

Joins internos e externos tratam ambos os DataFrames de forma simétrica. Porém, muitas vezes você deseja preservar todos os registros de uma tabela e enriquecê-los com dados de outra. É nesse caso que entram os joins à esquerda e os joins à direita. Esses joins assimétricos são extremamente comuns em análises: manter todas as transações e acrescentar os nomes dos produtos quando disponíveis; manter todos os usuários e acrescentar a data da última compra quando houver uma.

Um join à esquerda (how='left') mantém todas as linhas do DataFrame esquerdo. Para as linhas que encontram uma chave correspondente no DataFrame direito, as colunas direitas são preenchidas com os valores correspondentes. Para as linhas sem correspondência, as colunas direitas são preenchidas com NaN. A quantidade de linhas do resultado sempre é igual à quantidade de linhas do DataFrame esquerdo (desde que não haja chaves duplicadas).

Após um join à esquerda, as linhas do DataFrame esquerdo que não encontraram correspondência no lado direito terão NaN em todas as colunas provenientes da tabela direita. Você pode usar isso para identificar linhas sem correspondência com um filtro booleano em uma coluna da tabela direita e contar quantas linhas esquerdas não encontraram correspondência — uma verificação útil da qualidade dos dados.

Joins à esquerda são apropriados quando o DataFrame esquerdo é a tabela principal e a tabela direita é complementar. Cenários comuns incluem: enriquecer uma tabela de fatos com uma tabela de dimensões (pedidos + nomes de produtos), adicionar metadados opcionais (usuários + dados de perfil) ou calcular métricas para todos os registros mesmo quando uma consulta falha. Na maioria dos códigos de análise, joins à esquerda são muito mais comuns do que joins à direita.

Um join à direita (how='right') é o equivalente espelhado de um join à esquerda: ele mantém todas as linhas do DataFrame direito e preenche com NaN as colunas da tabela esquerda quando não há correspondência. Um join à direita é menos comum porque você sempre pode obter o mesmo resultado trocando os argumentos dos DataFrames e usando um join à esquerda, que é mais claro para quem lê o código.

Os quatro tipos de join diferem apenas em quais linhas do lado sem correspondência são preservadas. inner: somente linhas correspondentes. outer: todas as linhas dos dois lados. left: todas as linhas esquerdas. right: todas as linhas direitas. Para entradas sem correspondência, as colunas do lado ausente são preenchidas com NaN. Escolher corretamente é essencial para evitar descartar ou duplicar registros silenciosamente.

Após um join à esquerda, as linhas sem correspondência têm NaN nas colunas da tabela direita. Muitas vezes, você desejará preencher esses valores com padrões adequados — por exemplo, 'Unknown' para uma categoria ausente ou 0 para uma contagem ausente. Use fillna() no resultado ou passe fill_value nas operações aritméticas realizadas após o join.

Um padrão útil que não é diretamente oferecido por how é o anti-join: manter apenas as linhas esquerdas que NÃO têm correspondência na tabela direita. Implemente-o com um join à esquerda usando indicator=True e, em seguida, filtre por _merge == 'left_only'. Isso é perfeito para encontrar registros órfãos, itens novos que não estão em uma lista de referência ou transações ausentes em um livro-caixa.

Quando o DataFrame direito tem chaves exclusivas, um join à esquerda garante a preservação exata da quantidade de linhas da tabela esquerda. Porém, se a tabela direita tiver valores de chave duplicados, o join à esquerda multiplicará as linhas, assim como um join interno. Sempre confirme que a quantidade de linhas do resultado corresponde à da tabela esquerda quando você espera um relacionamento de um para muitos.

Veja um fluxo de trabalho completo do mundo real: comece com um registro de transações, faça um join à esquerda com um catálogo de produtos para obter os nomes e, em seguida, faça outro join à esquerda com uma tabela de clientes para obter os nomes. Preencha as consultas sem resultado com valores padrão. A sequência de joins à esquerda garante que cada linha de transação seja preservada, mesmo que o registro do produto ou do cliente esteja ausente nas tabelas de referência.

A escolha entre um join à esquerda e um join interno é uma decisão de lógica de negócio: você deve manter registros que não têm correspondência na consulta ou descartá-los silenciosamente? Use o join à esquerda quando consultas sem resultado forem aceitáveis e você quiser manter todos os registros principais. Use o join interno quando uma consulta sem resultado significar que o registro é inválido e deve ser excluído da análise. Sempre documente qual opção escolheu e por quê.

Nesta lição, você aprendeu: o join à esquerda preserva todas as linhas do DataFrame esquerdo, preenchendo as colunas direitas com NaN quando não há correspondência; o join à direita é o equivalente espelhado; o padrão de anti-join usando indicator=True encontra linhas esquerdas sem correspondência à direita; e a escolha entre um join à esquerda e um join interno é uma decisão de lógica de negócio. Em seguida, exploraremos como fazer joins de DataFrames usando o índice em vez de uma coluna.