Cómo mantener el índice al usar pandas merge

Me gustaría fusionar dos DataFramesy mantener el índice del primer fotograma como índice en el conjunto de datos combinado. Sin embargo, cuando hago la fusión, el DataFrame resultante tiene un índice entero. ¿Cómo puedo especificar que quiero mantener el índice del marco de datos izquierdo?

In [4]: a = pd.DataFrame({'col1': {'a': 1, 'b': 2, 'c': 3}, 
                          'to_merge_on': {'a': 1, 'b': 3, 'c': 4}})

In [5]: b = pd.DataFrame({'col2': {0: 1, 1: 2, 2: 3}, 
                          'to_merge_on': {0: 1, 1: 3, 2: 5}})

In [6]: a
Out[6]:
   col1  to_merge_on
a     1            1
b     2            3
c     3            4

In [7]: b
Out[7]:
   col2  to_merge_on
0     1            1
1     2            3
2     3            5

In [8]: a.merge(b, how='left')
Out[8]:
   col1  to_merge_on  col2
0     1            1   1.0
1     2            3   2.0
2     3            4   NaN

In [9]: _.index
Out[9]: Int64Index([0, 1, 2], dtype='int64')

EDITAR: se cambió al código de ejemplo que se puede reproducir fácilmente

In [5]: a.reset_index().merge(b, how="left").set_index('index')
Out[5]:
       col1  to_merge_on  col2
index
a         1            1     1
b         2            3     2
c         3            4   NaN

Nota: para algunas operaciones de combinación izquierda, puede terminar con más filas si hay varias coincidencias entre ay, by deberá deduplicar ( documentación para la deduplicación ). Es por eso que pandas no guarda el índice por ti.

Puede hacer una copia del índice en el marco de datos izquierdo y fusionar.

a['copy_index'] = a.index
a.merge(b, how='left')

Encontré este método simple muy útil al trabajar con marcos de datos grandes y usar pd.merge_asof()(odd.merge_asof() ).

Este enfoque sería superior cuando restablecer el índice es costoso (marco de datos grande).

Hay una solución que no es pd.merge. Usando mapyset_index

In [1744]: a.assign(col2=a['to_merge_on'].map(b.set_index('to_merge_on')['col2']))
Out[1744]:
   col1  to_merge_on  col2
a     1            1   1.0
b     2            3   2.0
c     3            4   NaN

Y no introduce un indexnombre ficticio para el índice.

df1 = df1.merge(
        df2, how="inner", left_index=True, right_index=True
    )

Esto permite preservar el índice de df1

Creo que se me ocurrió una solución diferente. Me estaba uniendo a la tabla de la izquierda en el valor del índice y la tabla de la derecha en un valor de columna basado en el índice de la tabla de la izquierda. Lo que hice fue una fusión normal:

First10ReviewsJoined = pd.merge(First10Reviews, df, left_index=True, right_on='Line Number')

Luego recuperé los nuevos números de índice de la tabla combinada y los puse en una nueva columna llamada Número de línea de opinión:

First10ReviewsJoined['Sentiment Line Number']= First10ReviewsJoined.index.tolist()

Luego, volví a establecer manualmente el índice en el índice de la tabla izquierda original en función de la columna preexistente llamada Número de línea (el valor de columna al que me uní desde el índice de la tabla izquierda):

First10ReviewsJoined.set_index('Line Number', inplace=True)

Luego eliminó el nombre de índice del Número de línea para que quede en blanco:

First10ReviewsJoined.index.name = None

Tal vez sea un truco, pero parece funcionar bien y relativamente simple. Además, suponga que reduce el riesgo de duplicados / alterar sus datos. Ojalá todo tenga sentido.

otra opción simple es cambiar el nombre del índice a lo que era antes:

a.merge(b, how="left").set_axis(a.index)

fusionar conserva el orden en el marco de datos 'a', pero simplemente restablece el índice para que se guarde para usar set_axis