So halten Sie den Index bei Verwendung von Pandas Merge

Ich möchte zwei zusammenführen DataFramesund den Index aus dem ersten Frame als Index für den zusammengeführten Datensatz beibehalten. Wenn ich jedoch die Zusammenführung durchführe, hat der resultierende DataFrame einen ganzzahligen Index. Wie kann ich angeben, dass der Index vom linken Datenrahmen ferngehalten werden soll?

In [4]: a = pd.DataFrame({'col1': {'a': 1, 'b': 2, 'c': 3}, 
                          'to_merge_on': {'a': 1, 'b': 3, 'c': 4}})

In [5]: b = pd.DataFrame({'col2': {0: 1, 1: 2, 2: 3}, 
                          'to_merge_on': {0: 1, 1: 3, 2: 5}})

In [6]: a
Out[6]:
   col1  to_merge_on
a     1            1
b     2            3
c     3            4

In [7]: b
Out[7]:
   col2  to_merge_on
0     1            1
1     2            3
2     3            5

In [8]: a.merge(b, how='left')
Out[8]:
   col1  to_merge_on  col2
0     1            1   1.0
1     2            3   2.0
2     3            4   NaN

In [9]: _.index
Out[9]: Int64Index([0, 1, 2], dtype='int64')

BEARBEITEN: Auf Beispielcode umgestellt, der leicht reproduziert werden kann

In [5]: a.reset_index().merge(b, how="left").set_index('index')
Out[5]:
       col1  to_merge_on  col2
index
a         1            1     1
b         2            3     2
c         3            4   NaN

Hinweis: Bei einigen Linkszusammenführungsvorgängen werden möglicherweise mehr Zeilen angezeigt, wenn zwischen aund mehrere Übereinstimmungen bestehen bund Sie eine Deduplizierung benötigen ( Dokumentation zur Deduplizierung ). Aus diesem Grund behält Pandas den Index nicht für Sie.

Sie können eine Kopie des Index im linken Datenrahmen erstellen und zusammenführen.

a['copy_index'] = a.index
a.merge(b, how='left')

Ich fand diese einfache Methode sehr nützlich, wenn ich mit großen Datenrahmen arbeitete und pd.merge_asof()(oder dd.merge_asof()) verwendete.

Dieser Ansatz wäre überlegen, wenn das Zurücksetzen des Index teuer ist (großer Datenrahmen).

Es gibt eine Lösung ohne pd.merge. Verwenden von mapundset_index

In [1744]: a.assign(col2=a['to_merge_on'].map(b.set_index('to_merge_on')['col2']))
Out[1744]:
   col1  to_merge_on  col2
a     1            1   1.0
b     2            3   2.0
c     3            4   NaN

Und führt keinen Dummy- indexNamen für den Index ein.

df1 = df1.merge(
        df2, how="inner", left_index=True, right_index=True
    )

Dadurch kann der Index von df1 beibehalten werden

Ich glaube, ich habe eine andere Lösung gefunden. Ich habe die linke Tabelle mit dem Indexwert und die rechte Tabelle mit einem Spaltenwert verbunden, der auf dem Index der linken Tabelle basiert. Was ich getan habe, war eine normale Zusammenführung:

First10ReviewsJoined = pd.merge(First10Reviews, df, left_index=True, right_on='Line Number')

Dann habe ich die neuen Indexnummern aus der zusammengeführten Tabelle abgerufen und in eine neue Spalte mit dem Namen Sentiment Line Number eingefügt:

First10ReviewsJoined['Sentiment Line Number']= First10ReviewsJoined.index.tolist()

Dann setze ich den Index manuell auf den ursprünglichen Index der linken Tabelle zurück, basierend auf der bereits vorhandenen Spalte mit dem Namen Zeilennummer (der Spaltenwert, den ich aus dem Index der linken Tabelle hinzugefügt habe):

First10ReviewsJoined.set_index('Line Number', inplace=True)

Entfernen Sie dann den Indexnamen der Zeilennummer, damit er leer bleibt:

First10ReviewsJoined.index.name = None

Vielleicht ein bisschen hacken, scheint aber gut und relativ einfach zu funktionieren. Vermutlich verringert es auch das Risiko von Duplikaten / Durcheinander Ihrer Daten. Hoffentlich macht das alles Sinn.

Eine andere einfache Option besteht darin, den Index in den vorherigen umzubenennen:

a.merge(b, how="left").set_axis(a.index)

Beim Zusammenführen wird die Reihenfolge im Datenrahmen 'a' beibehalten, der Index wird jedoch nur zurückgesetzt, sodass die Verwendung von set_axis gespeichert wird