通过取相对于其他系列的相交索引来过滤掉一个系列

Posted 2023-03-12

【中文标题】通过取相对于其他系列的相交索引来过滤掉一个系列

【英文标题】：Filter out a series by taking the intersecting index with respect to other series

【发布时间】：2016-04-22 21:35:18

【问题描述】：

我有 2 只熊猫 Series（x 和 y），它们有一些共同的时间值

然后我需要通过只取日期索引常见的值来过滤掉其中一个。

让我们说一个系列x

2010-01-27 16:00:00    2.0
2010-01-27 16:10:00    2.2
2010-01-27 16:30:00    1.7

还有一个

2010-01-27 15:50:00    5.0
2010-01-27 16:00:00    2.8
2010-01-27 16:10:00    3.2
2010-01-27 16:20:00    4.2
2010-01-27 16:30:00    1.9

我想通过比较x和y系列各自的索引来过滤y

y 的结果应该类似于

2010-01-27 16:00:00    2.8
2010-01-27 16:10:00    3.2
2010-01-27 16:30:00    1.9

我尝试了一个简单的

y[y.index.get_values()==x.index.get_values()]

但不产生系列输出。 Dataframes 中的Series 是否有类似于merge 的内容？

我不想将Series 合并到一个数据框中，只需比较它们并获取公共数据索引值

【参考方案1】：

您可以使用concat 和get_duplicates：

s = pd.concat([s1, s2], axis=0).sort_index()
print s

2010-01-27 15:50:00    5.0
2010-01-27 16:00:00    2.0
2010-01-27 16:00:00    2.8
2010-01-27 16:10:00    2.2
2010-01-27 16:10:00    3.2
2010-01-27 16:20:00    4.2
2010-01-27 16:30:00    1.7
2010-01-27 16:30:00    1.9

print s2[s.index.get_duplicates()]

2010-01-27 16:00:00    2.8
2010-01-27 16:10:00    3.2
2010-01-27 16:30:00    1.9
Name: 1, dtype: float64

或者使用duplicated:

print s2[s.index[s.index.duplicated()]]

2010-01-27 16:00:00    2.8
2010-01-27 16:10:00    3.2
2010-01-27 16:30:00    1.9
Name: 1, dtype: float64

---

但最好的是reindex 或reindex_like：

print s2.reindex(s1.index)

2010-01-27 16:00:00    2.8
2010-01-27 16:10:00    3.2
2010-01-27 16:30:00    1.9
Name: 1, dtype: float64

print s2.reindex_like(s1)

2010-01-27 16:00:00    2.8
2010-01-27 16:10:00    3.2
2010-01-27 16:30:00    1.9
Name: 1, dtype: float64

【讨论】：

抱歉，我检查了您的旧问题，但没有答案是 accepted。也许您可以检查tour，如果它们有效，请接受它们。谢谢。