熊猫数据框选择基于其他数据框的列包含其中的列值

Question

我有两个数据框。这是dwpjp.head()：

<头>

	jp_number
0	25146315052147720191
1	57225427599900052634
2	86076681691411639833
3	50491824499499656478
4	95588382889227620465

和ct_data.head()：

<头>

	imjp_number	imct_id
0	23605308039805192764	x1E5e3ukRyEFRT6SUAF6lg|d543d3d064da465b8576d87
1	57225427599900052634	aa0d2dac654d4154bf7c09f73faeaf62|-vf6738ee3bed
2	53733358271401869469	6FfHZRoiWs2VO02Pruk07A|__g3d877adf9d154637be26
3	50491824499499656478	__gbe204670ca784a01b7207b42a7e5a5d3|54e2c39cd3
4	82143248133286027306	__g1114a30c6ea548a2a83d5a51718ff0fd|773840905c

我想要来自 cct_data 的两个新数据框 dct_data 和 ct_data。如果 ct_data 存在于 jp_number 数据帧中，则 dwbjp 数据帧应该被拆分，然后放入 cct_data，否则放入 dct_data。

我为 jp_number 中常见的 dwpjp 尝试了这个：

cct_data = ct_data[ct_data.isin(dwpjp).any(1).values]

对于另一个我否定条件如下：

dct_data = ct_data[~[ct_data.isin(dwpjp).any(1).values]]

但结果没有如下所示。

cct_data

<头>

	imjp_number	imct_id
0	57225427599900052634	aa0d2dac654d4154bf7c09f73faeaf62|-vf6738ee3bed
1	50491824499499656478	__gbe204670ca784a01b7207b42a7e5a5d3|54e2c39cd3

和dct_data：

<头>

	imjp_number	imct_id
0	23605308039805192764	x1E5e3ukRyEFRT6SUAF6lg|d543d3d064da465b8576d87
1	53733358271401869469	6FfHZRoiWs2VO02Pruk07A|__g3d877adf9d154637be26
2	82143248133286027306	__g1114a30c6ea548a2a83d5a51718ff0fd|773840905c

注意：jpnumber=imjp_number。

Answer 1

注意以下几点：

1. isin 想要值，但它获得了整个数据框：将 .isin(dwpjp) 更改为 .isin(dwpjp.jp_number)
2. 在预先编辑的问题中，dwpjp 的每一行实际上是一个列表，其中包含 1 个值，而不仅仅是 1 个值。如果确实如此，那么 .isin(dwpjp.jp_number) 实际上还需要一个步骤：将值分解为 .isin(dwpjp.jp_number.explode())
3. 您的否定被错误地应用于列表：将 ~[ct_data...] 更改为 ~ct_data...

通过这些修复，它对我有用：

cct_data = ct_data[ct_data.isin(dwpjp.jp_number.explode()).any(1).values]

<头>

	imjp_number	imct_id
1	57225427599900052634	aa0d2dac654d4154bf7c09f73faeaf62|-vf6738ee3bed
3	50491824499499656478	__gbe204670ca784a01b7207b42a7e5a5d3|54e2c39cd3

dct_data = ct_data[~ct_data.isin(dwpjp.jp_number.explode()).any(1).values]

<头>

	imjp_number	imct_id
0	23605308039805192764	x1E5e3ukRyEFRT6SUAF6lg|d543d3d064da465b8576d87
2	53733358271401869469	6FfHZRoiWs2VO02Pruk07A|__g3d877adf9d154637be26
4	82143248133286027306	__g1114a30c6ea548a2a83d5a51718ff0fd|773840905c

Answer 2

修改你的公式如下

cct_data = ct_data[ct_data.imjp_number.isin(dwpjp.jp_number)]

和

dct_data = ct_data[~ct_data.imjp_number.isin(dwpjp.jp_number)]