合并数据帧

Question

我整天都在努力解决这个问题。我有两个数据帧如下：

Dataframe 1 - Billboards

Dataframe 2

我想将Dataframe 2与基于歌曲的Dataframe 1合并，最终得到一个具有SongId，Song，Rank和Year的数据帧。问题是歌曲的存储方式有一些变化。例如：广告牌中的歌曲可以是macarena bayside boys混音，而Dataframe 2中的歌曲可能是macarena。我想找到相似之处。

Answer 1

我认为你需要计算df1和df2中歌曲列表之间的相似性度量。我试着通过计算随机生成的歌曲列表中df1和df2中歌曲之间的余弦距离来试一试。

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

获得最佳匹配后，您可以在df2中查找歌曲ID

Answer 2

最简单的方法： 1.制作＆＃34;歌曲＆＃34;作为两个数据框中的索引列，如

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

1. 使用join：

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