根据字符串匹配的熊猫子集行

Question

我已经使用Python中的string_grouper包来生成公司信息的两个数据库之间的通用名称列表。结果数据帧matches显示来自DB1（left_side）和DB2（right_side）的公司名称，该公司名称的字符串相似性阈值高于某个值：

现在，我想减少DB1以仅包括matches['left_side']中公司名称所在的行。 （因为如果没有DB2中有关该公司的信息的补充，DB1中的信息将无用。所以我只希望两者中的公司都具有这种功能）

我该怎么做？名称出现在DB1的“名称”列中，例如

rslt_df = DB1[DB1['names'] in matches['left_side']]

给我一​​个错误（'Series' objects are mutable, thus they cannot be hashed）。

DB1非常大（matches大约有10,000-20,000行，DB1有2000000+行），所以请记住这一点！

Answer 1

发生错误是因为DB1['names']是系列，而in运算符期望左边是单个元素。

尝试使用pandas.Series.isin() function：

rslt_df = DB1[DB1['names'].isin(matches['left_side'])]