python - 如何在 pandas 中对齐 dfs

Question

我有两个数据框。第一个是这样的:

 idx  token   tag   file
 0    This    AA    file_1.1         
 1    is      AA    file_1.1
 2    a       AA    file_1.2

第二个是这样的

file          
file_1.1    IXX    GXX
file_1.2    AXX    
file_1.3    AXX

如何将两者结合起来，以便我拥有以下内容:

 idx  token   tag   file        ID  
 0    This    AA    file_1.1    IXX         
 1    is      AA    file_1.1    GXX
 2    a       AA    file_1.2    AXX

所以，首先我需要按文件列对齐(我可以做到这一点)，然后如果一行有一个 id，我必须将其添加到 ID 列，如果它有多个，则将其添加到第一个 token ，第二个 token 到第二个 token ，依此类推。每行的 ID 永远不会多于 token 。

我尝试了以下方法

pandas.concat([df1,df2],axis=1,join_axes=[df1.index])

但是这不起作用。

Answer 1

我打印了 df 和 df2，以便您可以确认这些是您正在使用的 DataFrame。

>>> print df
  token tag      file
0  This  AA  file_1.1
1    is  AA  file_1.1
2     a  AA  file_1.2

>>> print df2
            0     1
file               
file_1.1  IXX   GXX
file_1.2  AXX  None
file_1.3  AXX  None

>>> a = df.set_index(['file', df.groupby('file').cumcount()])
>>> print a
           token tag
file                
file_1.1 0  This  AA
         1    is  AA
file_1.2 0     a  AA

>>> b = df2.stack().to_frame('ID')
>>> print b   
             ID
file           
file_1.1 0  IXX
         1  GXX
file_1.2 0  AXX
file_1.3 0  AXX

>>> c = a.join(b).reset_index(1, drop=True).reset_index()
>>> print c
       file token tag   ID
0  file_1.1  This  AA  IXX
1  file_1.1    is  AA  GXX
2  file_1.2     a  AA  AXX

请注意，这将是左连接。你说“我永远不会有比每行 token 更多的 ID。”，但在示例中，file_1.3 在 df2 中有 1 个 ID，在 df 中有 0 个 token 。所以，我以为你的意思是相反的。在连接中放入 how='right' 将会以另一种方式实现。