如何在大熊貓中對齊dfs

Question

我有兩個數據框。第一個是這樣的：

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

第二個是這樣

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

如何加入兩個，讓我具備以下條件：

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，首先我需要通過文件列對齊（我可以做到這一點），然後如果一行有一個ID我不得不將它添加到ID列，如果它有多個，將它添加到第一個令牌，第二個添加到第二個令牌等。我永遠不會有比每行代碼更多的ID。

我嘗試以下

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

但它不工作。

Answer 1

我打印出了df和df2，因此您可以確認這些是您正在使用的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 

請注意，這將是左連接。你說「我永遠不會有比每行標記更多的ID」，但在這個例子中，file_1.3在df2中有1個ID，在df中有0個標記。所以，我認爲你的意思是相反的。在連接中放入「正確的」將以另一種方式進行。