Question

我有2个相同列的数据帧：

df1 = pd.DataFrame([['Abe','1','True'],['Ben','2','True'],['Charlie','3','True']], columns=['Name','Number','Other'])
df2 = pd.DataFrame([['Derek','4','False'],['Ben','5','False'],['Erik','6','False']], columns=['Name','Number','Other'])

给出：

     Name Number Other
0      Abe      1  True
1      Ben      2  True
2  Charlie      3  True

和

    Name Number  Other
0  Derek      4  False
1    Ben      5  False
2   Erik      6  False

我希望输出数据帧是基于“名称”的两者的交集：

output_df = 
        Name Number  Other
    0    Ben      2  True
    1    Ben      5  False

我尝试过基本的pandas合并但返回是不可取的：

pd.merge(df1,df2,how='inner',on='Name') = 
 Name Number_x Other_x Number_y Other_y
0  Ben        2    True        5   False

这些数据框非常大，所以我更喜欢使用一些熊猫魔法来保持快速。

Answer 1

您可以使用concat，然后使用isin使用numpy.intersect1d按boolean indexing进行过滤：

val = np.intersect1d(df1.Name, df2.Name)
print (val)
['Ben']

df = pd.concat([df1,df2], ignore_index=True)
print (df[df.Name.isin(val)])
  Name Number  Other
1  Ben      2   True
4  Ben      5  False

val的另一个可能解决方案是intersection套：

val = set(df1.Name).intersection(set(df2.Name))
print (val)
{'Ben'}

然后可能将指数重置为单调：

df = pd.concat([df1,df2])
print (df[df.Name.isin(val)].reset_index(drop=True))
  Name Number  Other
0  Ben      2   True
1  Ben      5  False

Pandas：合并数据帧而不创建新列

1 个答案: