如何在匹配列值上垂直合并数据框[重复]

Question

我将 2 人对话的 15 分钟音频文件发送到转录/演讲者分类服务。情况要求我将 15 分钟的文件分成三个 5 分钟的文件。不幸的是，说话人标签在各个块中不一致，但我需要它们用于分析。

例如，在第一个文件中，扬声器被标记为“0”和“1”。但是，在第二个文件中，它们被标记为“1”和“2”。在第三个文件中，它们可能分别被标记为“1”和“0”。这是一个问题，因为我需要一致的标签。

我目前的方法是表示数据框中每个块的数据。为了获得跨数据帧的标签参考，我将每个数据帧重叠了 10 秒。我想合并“transcript”、“start”和/或“start”列匹配的每个数据框。

然后，我想修改新合并的数据帧上的说话人标签方案，以根据重叠值匹配先前的数据帧。

这是数据框 1 的样子：

df

                transcript  start  stop  speaker_label
0              hello world    1.2   2.2              0
1  why hello, how are you?    2.3   4.0              1
2          fine, thank you    4.1   5.0              0

这就是数据框 2 的样子。注意由于重叠，第一行如何匹配上一个数据帧中的最后一行，但现在 speaker_label 方案不同。

df1

                          transcript  start  stop  speaker_label
0                    fine, thank you    4.1   5.0              1
1          you?(should be speaker 0)    5.1   6.0              1
2  good, thanks(should be speaker 1)    6.1   7.0              2

这就是我想要的，数据帧在“start”值匹配的地方垂直合并，并且“df1”“speaker_label”方案与“df”方案匹配。

ideal_df

                          transcript  start  stop  speaker_label
0                        hello world    1.2   2.2              0
1            why hello, how are you?    2.3   4.0              1
2                    fine, thank you    4.1   5.0              0
3          you?(should be speaker 0)    5.1   6.0              0
4  good, thanks(should be speaker 1)    6.1   7.0              1

Answer 1

您可以使用pd.concat 垂直合并/合并。可以参考Pandas merging concat join examples

ideal_df=pd.concat([df,df1])
ideal_dfdrop_duplicates(keep='first',inplace=True)

Answer 2

尝试做；）：

import pandas as pd
df1 = pd.DataFrame({'c1':['titi','toto','tutu'], 'c2': [0,1,0]})
df2 = pd.DataFrame({'c1':['tata','tete','titi'], 'c2': [1,1,0]})

df = pd.concat([df1, df2])
df.drop_duplicates(keep='first')