合并数据帧

Question

我已经在这个问题上挣扎了一整天。我有两个数据帧，如下：

Dataframe 1-广告牌

​

​

数据帧2

​

​

我想将基于歌曲的数据帧2和数据帧1合并，最终得到一个具有SongId、歌曲、等级和年份的数据帧。问题是，歌曲的存储方式有一些变化。例如: Billboard中的歌曲可以是macarena bayside男孩的混合，而Dataframe 2中的歌曲可能是macarena。我想找出相似之处。

Answer 1

我认为您需要计算df1和df2中的歌曲列表之间的相似性度量。我尝试了一下，在随机生成的歌曲列表上计算df1和df2中的歌曲之间的余弦距离。

from sklearn.feature_extraction.text import TfidfVectorizer
vect = TfidfVectorizer(min_df=1)

Song1 = ["macarena bayside boys mix", "cant you hear my heart beat", "crying in the chapell", "you were on my mind"]
Song2 = ["cause im a man", "macarena", "beat from my heart"]

dist_dict = {}
match_dict = {}
for i in Song1 :
    for j in Song2 :
        tfidf = vect.fit_transform([i, j])
        distance = ((tfidf * tfidf.T).A)[0,1]
        if i in dist_dict.keys():
            if dist_dict[i] < distance :
                dist_dict[i] = distance
                match_dict[i] = j
        else :
            dist_dict[i] = distance

​

​

找到最佳匹配后，您可以在df2中查找歌曲ID

Answer 2

最简单的方法是: 1.将"Song“作为两个数据帧中的索引列，如下所示

df1.set_index('Song', inplace=True)
df2.set_index('Song', inplace=True)

1. 使用join:

joined = df1.join(df2, how='inner')