Python 在Dataframe比较索引中添加新列

我正在努力解决熊猫的一个问题。基本上，我想将一个新列（来自文档数据框架）添加到一个更大的数据框架（语料库数据框架），这两个数据框架具有不同的形状和索引。所以我知道我必须映射这两个的索引，然后添加它。我一直在尝试不同的事情（合并，定位…），但我没有找到解决方案。下面是一个例子：

一方面，我有一个包含语料库中所有标记的通用数据框架（语料库数据框架）：

另一方面，我有一堆数据帧，其中还包含关于每个特定文档（文档数据帧）中该标记的频率的信息。比如：

正如您所看到的，这些形状是不同的，我从中获得信息的标记也是不同的，因此我不能在不考虑索引的情况下将这些信息添加到general_frequency表中。最后我想说的是：

|-------|------------------|-----|-----|-----|
| token | mean_freq_corpus |Doc_1|Doc_2|Doc_3|
|-------|------------------|-----|-----|-----|
| de    | 35               | 20  |  0  | 30  |
|-------|------------------|-----|-----|-----|
| el    | 29               |  0  | 10  | 20  |
|-------|------------------|-----|-----|-----|
| la    | 15               |  0  | 15  | 12  |
|-------|------------------|-----|-----|-----|
| en    | 10               |  0  |  0  | 10  |
|-------|------------------|-----|-----|-----|
| se    | 5                | 10  |  0  | 0   |
|-------|------------------|-----|-----|-----|

我可以迭代不同的文档数据帧，并使用df.at[index，column]将值附加到语料库数据帧中，但我想知道是否还有其他可能使用map、lambda或类似的方法

请考虑到这些示例是简化的，每个表有几千个，我有几千个这样的文档表。谢谢

用于连接所有小的

数据帧

s，然后使用左连接第一个

数据帧

：

dfs = [df1, df2, df3]
df_all = pd.concat([x.set_index('token') for x in dfs], axis=1).fillna(0).astype(int)
df = df.join(df_all, on='token')
print (df)
  token  mean_freq_corpus  Doc_1  Doc_2  Doc_3
0    de                35     20      0     30
1    el                29      0     15     20
2    la                15      0     12     12
3    en                10      0      0     10
4    se                 5     10      0      0

谢谢concat axis=“col”是我要找的东西。我得再读一遍范德普拉斯的那一章。完美的再次感谢！

|-------|------------------|-----|-----|-----|
| token | mean_freq_corpus |Doc_1|Doc_2|Doc_3|
|-------|------------------|-----|-----|-----|
| de    | 35               | 20  |  0  | 30  |
|-------|------------------|-----|-----|-----|
| el    | 29               |  0  | 10  | 20  |
|-------|------------------|-----|-----|-----|
| la    | 15               |  0  | 15  | 12  |
|-------|------------------|-----|-----|-----|
| en    | 10               |  0  |  0  | 10  |
|-------|------------------|-----|-----|-----|
| se    | 5                | 10  |  0  | 0   |
|-------|------------------|-----|-----|-----|

dfs = [df1, df2, df3]
df_all = pd.concat([x.set_index('token') for x in dfs], axis=1).fillna(0).astype(int)
df = df.join(df_all, on='token')
print (df)
  token  mean_freq_corpus  Doc_1  Doc_2  Doc_3
0    de                35     20      0     30
1    el                29      0     15     20
2    la                15      0     12     12
3    en                10      0      0     10
4    se                 5     10      0      0