通过与另一个重叠的熊猫数据框子集[重复]

Posted 2023-03-11

【中文标题】通过与另一个重叠的熊猫数据框子集[重复]

【英文标题】：Subset pandas dataframe by overlap with another [duplicate]

【发布时间】：2017-05-05 23:32:48

【问题描述】：

对于以下两个数据框：

df1 = pd.DataFrame('name': pd.Series(["A", "B", "C"]), 'value': pd.Series([1., 2., 3.]))

     name  value
0    A    1.0
1    B    2.0
2    C    3.0

df2 = pd.DataFrame('name': pd.Series(["A", "C", "D"]), 'value': pd.Series([1., 3., 5.]))

     name  value
0    A    1.0
1    C    3.0
2    D    5.0

我只想保留df2 中的行，其中name 列中的值与df1 的name 列中的值重叠，即生成以下数据框：

     name  value
0    A    1.0
1    C    3.0

我尝试了多种方法，但我是 python 和 pandas 的新手，不理解来自 R 的语法。为什么这行代码不起作用，什么会起作用？

df2[df2["name"] in df1["name"]]

【参考方案1】：

你可以使用isin:

print (df2[df2["name"].isin(df1["name"])])
  name  value
0    A    1.0
1    C    3.0

numpy.intersect1d 的另一个更快的解决方案：

val = np.intersect1d(df2["name"], df1["name"])
print (val)
['A' 'C']

print (df2[df2.name.isin(val)])
  name  value
0    A    1.0
1    C    3.0

【参考方案2】：

可能对您的实际数据有用的稍微不同的方法，您可以使用“内连接”（交集）a la SQL。如果您的列在两个数据帧中都没有重复（例如，使用一些公共键合并两个不同的数据集），则更有用

df1 = pd.DataFrame('name': pd.Series(["A", "B", "C"]), 'value': pd.Series([1., 2., 3.]))
df2 = pd.DataFrame('name': pd.Series(["A", "C", "D"]), 'value': pd.Series([1., 3., 5.]))

# supposedly for the join you should be able to tell join on='<column_name>', 'name' here, 
# but wasn't working for me.
df1.set_index('name', inplace=True)
df2.set_index('name', inplace=True)

df1.join(df2, how='inner', rsuffix='_other')

#       value  value_other
# name                    
# A       1.0          1.0
# C       3.0          3.0

将how 更改为outer 将为您提供两者的交集，left 仅用于df1 行，right 用于df2。