通过列值进行Python子设置

Question

这应该是一个相当简单的任务，但是我在任何地方都找不到。我有两个数据集，我想将第一个数据集作为子集，以便仅在第二个数据集中包含记录。每个表都有一个共同的帐户标识符列。

我尝试使用：

ma2 = ma[ma.LID.isin(df.LID)]

其中： ma是我的主要数据帧大小=（133788，8）， df是我的第二张桌子尺寸=（2367,4）， LID是我的列名，带有唯一的帐户标识符。

我的目标是获得数据框ma =（2367，8）

这导致ma2的大小为（0，8）。不是我想要的（除非第二个表的值不在第一个表中，我知道它们是）

我也尝试过：

ma2 = ma[(ma['LID'].isin(df['LID']))]

这导致相反的ma2大小=（0,8）

感谢您的帮助。如果需要，我可以尝试创建一个可复制的示例，但我认为不需要。

这是我要研究并尝试完成的简短示例：

表马：

LID colB colC colD
1   a     ab   x 
2   b     ab   y 
3   a     ac   y 
4   b     ac   x 

表df：

LID colC colE  
1    ab    w  
2    ab    w   
4    ac    w  

ma的新子集：

LID colB colC colD  
1   a     ab   x  
2   b     ab   y  
4   b     ac   x  

希望该示例有助于阐明我在做什么。

Answer 1

您需要这个：

ma.loc[ ma.LID.isin( df.LID ) ]

请注意原始表达式（添加的.loc）之间的区别。

表达式ma.loc[ list-like-object ]通过布尔向量（必须与ma相同的长度）选择行。具有“ true”的行将被返回。

（另一方面，在类似df[ something ]的表达式中，“某物”通常是一列或一列列表，而不是您想要的）。

请注意，虽然ma.loc[ ma.LID.isin( df.LID ) ]应该可以工作，但是对于大量数据来说效率不是很高。您可能想重新索引数据框（或其副本）以使LID中的值作为索引，然后可以直接使用ma_indexed_by_LOC.loc[ df.LOC ]选择它们。 （这是假定LOC值是唯一的）。