使用熊猫合并时如何保持索引

我想合并两个DataFrames，并保留第一帧的索引作为合并数据集中的索引。但是，当我进行合并时，所得的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：切换到示例代码，可以轻松地复制

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，如果和之间存在多个匹配项，则最终可能会出现更多行a，b并且需要进行重复数据删除（有关重复数据删除的文档）。这就是为什么熊猫不为您保留索引的原因。

您可以在左侧数据框上复制索引并进行合并。

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

我发现在处理大型数据框和使用pd.merge_asof()（或dd.merge_asof()）时，此简单方法非常有用。

当重置索引很昂贵（大数据帧）时，这种方法会更好。

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。

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

这样可以保留df1的索引

认为我想出了一个不同的解决方案。我是根据左表的索引将左表与索引值连接在一起，将右表与列值连接在一起。我所做的是普通合并：

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

然后，我从合并表中检索了新的索引号，并将它们放在名为“情感行号”的新列中：

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

然后，我基于称为行号（我从左表索引加入的列值）的现有列，将索引手动设置回原始的左表索引：

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，但似乎运行良好且相对简单。另外，猜测它会减少重复/混乱数据的风险。希望一切都有意义。

另一个简单的选择是将索引重命名为之前的名称：

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，因此可以保存以使用set_axis