使用pandas merge时如何保持索引

Question

我想合并两个DataFrames,并保持第一帧的索引作为合并数据集的索引.但是,当我执行合并时,生成的DataFrame具有整数索引.如何指定我想保留左数据框的索引？

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

Answer 1

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

注意:对于某些左合并操作,如果在a和之间存在多个匹配,则最终可能会有更多行.b您需要进行重复数据删除(重复数据删除文档).这就是为什么pandas不会保留索引的原因.

Answer 2

您可以在左侧数据帧上复制索引并进行合并。

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帧和使用pd.merge_asof()（或dd.merge_asof()）时非常有用。

当重置索引很昂贵（大数据帧）时，这种方法会更好。

Answer 3

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

这允许保留 df1 的索引

Answer 4

有一个非pd.merge解决方案。使用map和set_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

并且，不要index为索引引入虚拟名称。

Answer 5

您也可以使用DataFrame.join()方法来实现相同的目标。该join方法将保留原始索引。可以使用参数指定要连接的列on。

In [17]: a.join(b.set_index("to_merge_on"), on="to_merge_on")
Out[17]: 
   col1  to_merge_on  col2
a     1            1   1.0
b     2            3   2.0
c     3            4   NaN