在不丢失信息的情况下合并两个 DataFrame答案

【问题标题】：Merging two DataFrames without losing information在不丢失信息的情况下合并两个 DataFrame
【发布时间】：2018-05-15 22:35:43
【问题描述】：

我有两个像这里这样的 DataFrame：

df1 =

sent  token   token2
 0     a        b
 0     a        c
 0     b        d
 1     g        h
 1     h        k
 1     h        i
 1     g        i
 1     g        k


df2 =

sent  token   token2  rel
 0     a        b      A
 1     g        h      B
 1     k        g      C

现在我想将这两个 DataFrame 合并为一个，如下所示：

df_new =

sent  token   token2   rel
 0     a        b       A
 0     a        c      NaN
 0     b        d      NaN    
 1     g        h       B
 1     h        k      NaN
 1     h        i      NaN
 1     g        i      NaN
 1     g        k       C

但是像这样合并 DataFrames

df_new = df1.merge(df2, on=["sent","token","token2"], how="left")

我得到了我想要的输出，除了 ["rel"] 标记是错误的

df_new =

sent  token   token2   rel
 0     a        b       A
 0     a        c      NaN
 0     b        d      NaN    
 1     g        h       B
 1     h        k      NaN
 1     h        i      NaN
 1     g        i      NaN
 1     g        k      NaN

这是由于df1 中令牌的顺序。由于["rel"] 中的值取决于["token1"] -> ["token2"]，因此在颠倒顺序时无法应用其值。有没有办法在合并过程中做到这一点而不创建df1的新版本？

【问题讨论】：

不，您必须对 df1 或 df2 进行某种操作才能获得所需的结果，merge 中没有参数可以让您更改合并键。
是的，我必须改进我的 df1 以包含 token 和 token2 的所有可能组合。

标签： python pandas dataframe merge

【解决方案1】：

您可以使用np.sort

df2[['token','token2']]=np.sort(df2[['token','token2']].values,axis = 1)
df1.merge(df2, on=["sent","token","token2"], how="left")
Out[398]: 
   sent token token2  rel
0     0     a      b    A
1     0     a      c  NaN
2     0     b      d  NaN
3     1     g      h    B
4     1     h      k  NaN
5     1     h      i  NaN
6     1     g      i  NaN
7     1     g      k    C

【讨论】：

对不起，我应该对我的初始帖子更清楚。虽然此解决方案确实适用于这种情况，但它也不适用于订单正确的所有其他情况。它不依赖于字母顺序。
@ThelMi 其他情况在哪里？您应该将它们包括在您的问题中

【解决方案2】：

解决方案：

我必须在第一个 DataFrame 中包含 token 和 token2 的所有可能组合，因为 rel 的结果取决于这两个值的正确顺序。这意味着我想要的结果一开始就是错误的。我不得不在df1的创建中删除这一行：

df1[['token','token2']]=np.sort(df1[['token','token2']],1)

所以我得到了这个任务所需的 df1 版本。

df1 =

sent  token   token2
 0     a        b
 0     a        c
 0     a        d
 0     b        a
 0     b        c
 0     b        d
 ...

【讨论】：