176

我想合并两个DataFrames，并将第一帧的索引保留为合并数据集的索引。但是，当我进行合并时，生成的 DataFrame 具有整数索引。如何指定要保留左侧数据框中的索引？

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')

编辑：切换到可以轻松复制的示例代码

4

7 回答 7

222 
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

请注意，对于某些左合并操作，当anda之间有多个匹配时，您最终可能会得到比 in 更多的行。在这种情况下，您可能需要删除重复项。ab

于 2012-08-16T07:53:01.620 回答
15

您可以在左侧数据帧上制作索引副本并进行合并。

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

我发现这个简单的方法在处理大型数据框和使用pd.merge_asof()（或dd.merge_asof()）时非常有用。

当重置索引很昂贵（大数据框）时，这种方法会更好。

于 2019-07-27T21:12:54.507 回答
9

Series.map有一个使用and的非 pd.merge 解决方案DataFrame.set_index。

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

这不会index为索引引入一个虚拟名称。

但是请注意，没有DataFrame.map方法，因此这种方法不适用于多列。

于 2017-09-11T17:33:14.380 回答
7 
df1 = df1.merge(df2, how="inner", left_index=True, right_index=True)

这允许保留 df1 的索引

于 2019-04-26T06:43:10.910 回答
2

假设生成的 df 具有与您的第一个 df 相同的行数和顺序，您可以这样做：

c = pd.merge(a, b, on='to_merge_on')
c.set_index(a.index,inplace=True)
于 2021-09-24T07:49:57.100 回答
1

另一个简单的选择是将索引重命名为以前的索引：

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

合并保留数据帧'a'的顺序，但只是重置索引，以便保存以使用 set_axis

于 2020-05-04T07:37:13.513 回答
0

我想我想出了一个不同的解决方案。我在索引值上加入左表，在基于左表索引的列值上加入右表。我所做的是正常的合并：

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

然后我从合并表中检索新的索引号，并将它们放在一个名为 Sentiment Line Number 的新列中：

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

然后我手动将索引设置回原始的左表索引，该索引基于预先存在的名为行号的列（我从左表索引加入的列值）：

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

然后删除行号的索引名称，使其保持空白：

First10ReviewsJoined.index.name = None

也许有点破解，但似乎运作良好且相对简单。此外，猜测它会降低重复/弄乱数据的风险。希望这一切都说得通。

于 2020-01-24T19:11:59.367 回答