如何解决多个数据帧之间复制期间无法对齐的索引问题

Question

我有两个数据框 df 和 hash_file 如下所示

df = pd.DataFrame({'source_description':['test1', 'test1','test2','test3','test5']})

hash_file = pd.DataFrame({'source_code':['test1','test2','test3','test5'],
                          'hash_id':[911,512,713,814]})

id_file =  hash_file.set_index(['source_code'])['hash_id']


cols = ["seq_id","desc","key_id"]
test_df = pd.DataFrame(columns=cols)

我想做两件事

a) 将source_description 复制到test_df['desc'] 列

b) 将对应的hash_id 复制到test_df['key_id'] 列

虽然我已经尝试了以下方法，但由于某种奇怪的原因，它为我的所有 key_id 行返回 NA

test_df["seq_id"] = df.index + 1
test_df["desc"] = df['source_description']
test_df["key_id"] = df['source_description'].map(id_file)

但是，当我仅单独尝试以下行时，它工作正常并且能够看到在 jupyter notebook 提示符中显示的 key_ids。

 df['source_description'].map(id_file)

但是当我出于某种原因将其分配给test_df['key_id] 时，我只看到NA

我在创建 test_df 和分配列名时是否犯了任何错误？

我还尝试清除 jupyter notbook cache, reset the kernel 所做的一切，但代码仍然返回 NA。虽然我上面显示的只有 3 列，但我的真实数据有超过 25 列，我对所有 25 列都做了类似的分配选项。是不是像 Jupyter notebook 厌倦了作业？我不知道为什么正确的代码返回的结果不正确

请帮帮我吗？

我希望我的输出如下所示

seq_id    desc    key_id
  1       test1    911
  2       test1    911
  3       test2    512
  4       test3    713
  5       test5    814  

Answer 1

NA 的这个问题是由于无法对齐的索引。

重置数据帧test_df 和df 的索引。然后尝试问题中的代码，它应该可以正常工作

我做了以下

df = df.reset_index(drop=True)  #updated drop command as per suggestion below
test_df = test_df.reset_index(drop=True) #updated drop command as per suggestion below
test_df["seq_id"] = df.index + 1
test_df["desc"] = df['source_description']
test_df["key_id"] = df['source_description'].map(id_file)

Answer 2

使用df.merge:

In [2527]: test_df = df.merge(hash_file, left_on='source_description', right_on='source_code')[['source_description', 'hash_id']]

In [2529]: test_df.columns = ['desc', 'key_id']

In [2534]: test_df = test_df.reset_index().rename(columns={'index':'seq_id'})

In [2535]: test_df.seq_id = test_df.seq_id + 1

In [2536]: test_df
Out[2536]: 
   seq_id   desc  key_id
0       1  test1     911
1       2  test1     911
2       3  test2     512
3       4  test3     713
4       5  test5     814

或：

你可以像这样调整你的代码：

test_df["seq_id"] = df.index + 1
test_df["desc"] = df['source_description']
test_df["key_id"] = test_df['desc'].map(id_file)