Fusionner deux images par index

Question

Bonjour j'ai les dataframes suivantes:

 > df1
  id begin conditional confidence discoveryTechnique  
0 278    56       false        0.0                  1   
1 421    18       false        0.0                  1 

> df2
   concept 
0  A  
1  B
 

Comment puis-je fusionner les index pour obtenir:

   id begin conditional confidence discoveryTechnique   concept 
0 278    56       false        0.0                  1  A 
1 421    18       false        0.0                  1  B
 

Je pose la question parce que je crois comprendre que merge() c’est-à-dire df1.merge(df2) utilise des colonnes pour effectuer la correspondance. En fait, je reçois ceci:

 Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python2.7/dist-packages/pandas/core/frame.py", line 4618, in merge
    copy=copy, indicator=indicator)
  File "/usr/local/lib/python2.7/dist-packages/pandas/tools/merge.py", line 58, in merge
    copy=copy, indicator=indicator)
  File "/usr/local/lib/python2.7/dist-packages/pandas/tools/merge.py", line 491, in __init__
    self._validate_specification()
  File "/usr/local/lib/python2.7/dist-packages/pandas/tools/merge.py", line 812, in _validate_specification
    raise MergeError('No common columns to perform merge on')
pandas.tools.merge.MergeError: No common columns to perform merge on
 

Est-ce une mauvaise pratique de fusionner sur index? Est-ce impossible? Si c'est le cas, comment puis-je déplacer l'index dans une nouvelle colonne appelée "index"?

Merci

Answer 1

Utiliser merge, ce qui est une jointure interne par défaut:

pd.merge(df1, df2, left_index=True, right_index=True)

Ou join, ce qui est à gauche de jointure par défaut:

df1.join(df2)

Ou concat, ce qui est de la jointure externe par défaut:

pd.concat([df1, df2], axis=1)

Échantillons:

df1 = pd.DataFrame({'a':range(6),
                    'b':[5,3,6,9,2,4]}, index=list('abcdef'))

print (df1)
   a  b
a  0  5
b  1  3
c  2  6
d  3  9
e  4  2
f  5  4

df2 = pd.DataFrame({'c':range(4),
                    'd':[10,20,30, 40]}, index=list('abhi'))

print (df2)
   c   d
a  0  10
b  1  20
h  2  30
i  3  40

---

#default inner join
df3 = pd.merge(df1, df2, left_index=True, right_index=True)
print (df3)
   a  b  c   d
a  0  5  0  10
b  1  3  1  20

#default left join
df4 = df1.join(df2)
print (df4)
   a  b    c     d
a  0  5  0.0  10.0
b  1  3  1.0  20.0
c  2  6  NaN   NaN
d  3  9  NaN   NaN
e  4  2  NaN   NaN
f  5  4  NaN   NaN

#default outer join
df5 = pd.concat([df1, df2], axis=1)
print (df5)
     a    b    c     d
a  0.0  5.0  0.0  10.0
b  1.0  3.0  1.0  20.0
c  2.0  6.0  NaN   NaN
d  3.0  9.0  NaN   NaN
e  4.0  2.0  NaN   NaN
f  5.0  4.0  NaN   NaN
h  NaN  NaN  2.0  30.0
i  NaN  NaN  3.0  40.0

Answer 2

vous pouvez utiliser la méthode concat([df1, df2, ...], axis=1) pour concaténer deux ou plusieurs DFs aligné par index:

pd.concat([df1, df2, df3, ...], axis=1)

ou de fusion pour la concaténation par des champs personnalisés / index:

# join by _common_ columns: `col1`, `col3`
pd.merge(df1, df2, on=['col1','col3'])

# join by: `df1.col1 == df2.index`
pd.merge(df1, df2, left_on='col1' right_index=True)

ou rejoindre pour rejoindre par index:

 df1.join(df2)

Answer 3

Un bogue stupide qui m'a eu: les jointures ont échoué parce que les types d'index étaient différents. Cela n’était pas évident car les deux tables étaient des tableaux croisés dynamiques du même tableau original. Après reset_index, les indices semblaient identiques dans jupyter. Il n'est apparu que lorsque vous économisiez pour exceller ...

Fixé avec: df1[['key']] = df1[['key']].apply(pd.to_numeric)

Espérons que cela économise une heure à quelqu'un!

Answer 4

Si vous souhaitez rejoindre deux bases de données dans des pandas, vous pouvez simplement utiliser les attributs disponibles tels que merge ou concatenate . Par exemple, si j'ai deux cadres de données df1 et df2 je peux les rejoindre en:

 newdataframe=merge(df1,df2,left_index=True,right_index=True)