Bagaimana cara menyimpan indeks saat menggunakan gabungan pandas

Saya ingin menggabungkan dua DataFrames, dan menyimpan indeks dari bingkai pertama sebagai indeks pada kumpulan data yang digabungkan. Namun, ketika saya melakukan penggabungan, DataFrame yang dihasilkan memiliki indeks integer. Bagaimana saya dapat menentukan bahwa saya ingin menyimpan indeks dari bingkai data kiri?

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')

EDIT: Beralih ke kode contoh yang dapat direproduksi dengan mudah

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

Catatan: untuk beberapa operasi penggabungan kiri, Anda mungkin akan mendapatkan lebih banyak baris jika ada beberapa kecocokan antara adan bdan Anda perlu menghapus duplikat ( dokumentasi untuk deduplikasi ). Inilah mengapa panda tidak menyimpan indeks untuk Anda.

Anda dapat membuat salinan indeks di dataframe kiri dan melakukan penggabungan.

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

Saya menemukan metode sederhana ini sangat berguna saat bekerja dengan kerangka data besar dan menggunakan pd.merge_asof()(atau dd.merge_asof()).

Pendekatan ini akan lebih baik jika pengaturan ulang indeks mahal (dataframe besar).

Ada solusi non-pd.merge. Menggunakan mapdanset_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

Dan, tidak memperkenalkan indexnama tiruan untuk indeks.

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

Hal ini memungkinkan untuk mempertahankan indeks df1

Pikir saya telah menemukan solusi yang berbeda. Saya bergabung dengan tabel kiri pada nilai indeks dan tabel kanan pada nilai kolom berdasarkan indeks tabel kiri. Apa yang saya lakukan adalah penggabungan normal:

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

Kemudian saya mengambil nomor indeks baru dari tabel gabungan dan meletakkannya di kolom baru bernama Nomor Garis Sentimen:

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

Kemudian saya secara manual mengatur indeks kembali ke indeks tabel kiri asli berdasarkan kolom yang sudah ada yang disebut Nomor Baris (nilai kolom tempat saya bergabung dari indeks tabel kiri):

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

Kemudian dihapus nama index dari Line Number agar tetap kosong:

First10ReviewsJoined.index.name = None

Mungkin sedikit hack tetapi tampaknya berfungsi dengan baik dan relatif sederhana. Selain itu, tebak itu mengurangi risiko duplikat / mengacaukan data Anda. Semoga semuanya masuk akal.

Pilihan sederhana lainnya adalah mengganti nama indeks menjadi sebelumnya:

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

merge mempertahankan urutan pada dataframe 'a', tetapi hanya menyetel ulang indeks sehingga simpan untuk menggunakan set_axis