Come mantenere l'indice quando si utilizza l'unione dei panda

Vorrei unire due DataFramese mantenere l'indice del primo fotogramma come indice del set di dati unito. Tuttavia, quando eseguo l'unione, il DataFrame risultante ha un indice intero. Come posso specificare che voglio mantenere l'indice dal data frame di sinistra?

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: passa al codice di esempio che può essere facilmente riprodotto

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

Nota: per alcune operazioni di unione a sinistra potresti ritrovarti con più righe se ci sono più corrispondenze tra ae be dovrai eseguire la deduplicazione ( documentazione per la deduplicazione ). Questo è il motivo per cui i panda non tengono l'indice per te.

Puoi fare una copia dell'indice sul dataframe sinistro e fare l'unione.

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

Ho trovato questo semplice metodo molto utile mentre lavoravo con dataframe di grandi dimensioni e usando pd.merge_asof()(odd.merge_asof() ).

Questo approccio sarebbe migliore quando la reimpostazione dell'indice è costosa (frame di dati di grandi dimensioni).

Esiste una soluzione non pd.merge. Utilizzando mapeset_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

E non introduce un indexnome fittizio per l'indice.

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

Ciò consente di preservare l'indice di df1

Penso di aver trovato una soluzione diversa. Mi stavo unendo alla tabella di sinistra sul valore dell'indice e alla tabella di destra su un valore di colonna basato sull'indice della tabella di sinistra. Quello che ho fatto è stata una normale unione:

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

Quindi ho recuperato i nuovi numeri di indice dalla tabella unita e li ho inseriti in una nuova colonna denominata Sentiment Line Number:

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

Quindi ho reimpostato manualmente l'indice sull'indice della tabella di sinistra originale basato sulla colonna preesistente chiamata Numero di riga (il valore della colonna a cui mi sono unito dall'indice della tabella di sinistra):

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

Quindi rimosso il nome di indice del numero di riga in modo che rimanga vuoto:

First10ReviewsJoined.index.name = None

Forse un po 'un trucco, ma sembra funzionare bene e relativamente semplice. Inoltre, immagina che riduca il rischio di duplicare / rovinare i tuoi dati. Si spera che tutto abbia un senso.

un'altra semplice opzione è rinominare l'indice in quello che era prima:

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

merge conserva l'ordine nel dataframe 'a', ma reimposta semplicemente l'indice in modo che venga salvato per usare set_axis