给定两个文件，
sentences_detailed.csv包含 3 列(ID、LANG和TEXT)links.csv包含 2 列(ID1和ID2)，ID*链接到sentences_detailed.csv 中的
ID 列
sentences_detailed.csv 示例:
ID LANG TEXT
123 eng I want you to meet my parents.
456 eng I'm on your side.
789 eng I did not want to alarm you.
567 kor 부모님을 만나길 원해.
2352 jpn 私はあなたの側にいます。
links.csv 示例:
ID1 ID2
123 567
2352 456
我如何创建一个新的 DataFrame，以便使用links.csv 中的 ID 对？
所需的输出 DataFrame 应该类似于:
ID1 ID2 LANG1 LANG2 TEXT1 TEXT2
123 567 eng kor I want you to meet my parents. 부모님을 만나길 원해.
2352 456 jpn eng 私はあなたの側にいます。I'm on your side.
我已经试过了:
sent_details_csv = """ID LANG TEXT
123 eng I want you to meet my parents.
456 eng I'm on your side.
789 eng I did not want to alarm you.
567 kor 부모님을 만나길 원해.
2352 jpn 私はあなたの側にいます。"""
links_csv = """ID1 ID2
123 567
2352 456
"""
from io import StringIO
sent_details = pd.read_csv(StringIO(sent_details_csv), sep='\t')
links = pd.read_csv(StringIO(links_csv), sep='\t')
for idx, row in links.iterrows():
src_idx, trg_idx = row['ID1'], row['ID2']
try:
src = sent_details[sent_details['ID'] == src_idx][['TEXT', 'LANG']].iloc[0]
trg = sent_details[sent_details['ID'] == trg_idx][['TEXT', 'LANG']].iloc[0]
except:
continue
print('\t'.join(map(str, [src_idx, trg_idx, src['LANG'], trg['LANG'], src['TEXT'], trg['TEXT']])))
上面的代码适用于小型数据集，但实际 sentences_detailed.csv 有 6,000,000 多行，而 links.csv 有大约 13,000,000 行。
在给定每个 links 行的源和目标 idx 的情况下，尝试过滤掉 sent_details 变得代价高昂。
必须有更好的更“pandas-ic”的方式来做到这一点。
完整数据集在https://www.kaggle.com/alvations/how-to-get-parallel-sentences-from-tatoeba上
Dark、Zero 和 COLDSPEED 的答案很好，但是当 sentences_detailed.csv 和 links.csv 中存在重复项时，它们会抛出一些错误。
请您参考如下方法:
一种快速的方法是分而治之，即
one = df[df['ID'].isin(links['ID1'])].copy()
two = df[df['ID'].isin(links['ID2'])].copy()
two['NEW_ID'] = two['ID'].map(links.set_index('ID2')['ID1'])
one.merge(two,left_on='ID',right_on='NEW_ID',suffixes=('1', '2'))
ID1 LANG1 TEXT1 ID2 LANG2 TEXT2 NEW_ID
0 123 eng I want you to meet my parents. 567 kor 부모님을 만나길 원해. 123
1 2352 jpn 私はあなたの側にいます。 456 eng I'm on your side. 2352
由于存在重复 ID，映射不起作用，因此您可以使用双重合并，即
one.merge(two.merge(links,left_on='ID',right_on='ID2'),left_on='ID',right_on='ID1',suffixes=('1', '2')))
ID1 LANG1 TEXT1 ID2 LANG2 TEXT2 \
0 123 eng I want you to meet my parents. 567 kor 부모님을 만나길 원해.
1 2352 jpn 私はあなたの側にいます。 456 eng I'm on your side.
ID1 ID2
0 123 567
1 2352 456
根据实际数据，您可以简单地交叉合并相同的数据框，因为您具有相同的列名，即
sec = sent_details.merge(links)
sec.merge(sec, left_on=['Sentence id','Translation id'],right_on=['Translation id','Sentence id'], suffixes=(1,2))
