我有2个具有相同列的数据框：
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
我想要一个基于“名称”的输出数据框，这是两者的交集：
output_df =
Name Number Other
0 Ben 2 True
1 Ben 5 False
我尝试了基本的熊猫合并，但返回的结果不理想：
pd.merge(df1,df2,how='inner',on='Name') =
Name Number_x Other_x Number_y Other_y
0 Ben 2 True 5 False
这些数据帧非常大，所以我更喜欢使用熊猫魔术来使事情保持快速。
您可以使用concat，然后通过过滤isin与numpy.intersect1d使用boolean indexing：
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
另一种可能的解决方案val是intersection集合：
val = set(df1.Name).intersection(set(df2.Name))
print (val)
{'Ben'}
然后可以将索引重置为单调：
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
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句