Python 根据两列中的值匹配panda数据框中的行

我有一个熊猫数据帧

df

，大约有50万行。 这些列是

['in'，'out']

。 我需要找出每一行

I

是否有另一行

j

与之匹配。比赛的条件是：

df.in[i] == df.out[j]  and df.out[i] == df.in[j] 

我将其实现为for循环：

df.iterrows（）中的i行的

：
匹配（d.out==行['in']）和（df.in==行['out']））
如果len（df[match_row].value）>0：
#做点什么

正如所建议的，以下是一个小样本数据：

df=pd.DataFrame（{'in'：[10,20,30,40,50,60]，'out'：[20,10,40,30,70,80]）

我需要将第0行与第1行匹配，第2行与第3行匹配。 我想知道是否有一种更有效的方法可以在不使用for循环的情况下实现它

[更新] 既然有一些关于如何解决这个问题的建议（谢谢），我想在这里发布我希望得到的。以下是代码和输出：

匹配=[]
对于i，df.iterrows（）中的行：
匹配行=（df['out']==行['in']）和（df['in']==行['out']））
如果len（df[match_row]）>0：
matches.append（（i，df[match_row]。索引[0]，行['in']，行['out']））
数据帧（匹配项，列=['row'，'match row'，'in'，'out']）
行匹配\行输入输出
0   0   1               10  20
1   1   0               20  10
2   2   3               30  40
3   3   2               40  30

---

我可以做一些清理，以消除重复，但这基本上是我正在寻找的。这是一个固有的顺序问题，我对此无能为力吗？

您可以使用

pandas

中的

merge

将数据帧连接到自身。默认为内部联接。这有用吗

df.merge(df, left_on=["in", "out"], right_on=["out", "in"], suffixes=('_left', '_right'))

---

您可以在

pandas

中使用

merge

将数据帧连接到自身。默认为内部联接。这有用吗

df.merge(df, left_on=["in", "out"], right_on=["out", "in"], suffixes=('_left', '_right'))

---

我在您的简单示例数据中使用了以下内容，这不是您正在寻找的吗

df['in-in-out'] = df['in'].isin(df['out'])
df['out-in-in'] = df['out'].isin(df['in'])
df['and'] = df['in-in-out'] & df['out-in-in']
df = df.drop(['in-in-out', 'out-in-in'], axis=1)
df = df[df['and']]
df = df.drop(['and'], axis=1)

输出是

    in  out
0   10  20
1   20  10
2   30  40
3   40  30

---

当然，为了清晰起见，我添加了额外的列并删除了它们，以便您可以看到数据帧在每个步骤中是如何被修改的。

我在您的简单示例数据中使用了以下内容，这不是您想要的吗

df['in-in-out'] = df['in'].isin(df['out'])
df['out-in-in'] = df['out'].isin(df['in'])
df['and'] = df['in-in-out'] & df['out-in-in']
df = df.drop(['in-in-out', 'out-in-in'], axis=1)
df = df[df['and']]
df = df.drop(['and'], axis=1)

输出是

    in  out
0   10  20
1   20  10
2   30  40
3   40  30

---

当然，为了清晰起见，我添加了额外的列并删除了它们，以便您可以看到数据帧在每个步骤中是如何被修改的。

如果您只需要查找

in

中的每个观察是否发生在

out

，也许您可以使用

df['in'].isin（df['out']）

一次生成布尔掩码。一般来说，您应该尽量避免逐行循环数据帧，并在问题中包含一小部分具有代表性的数据片段。我两者都需要，例如对于一对（40,60），我需要找到一对（60,40）。根据@NickBecker的建议，您可以对从

df['In']生成的布尔值执行and操作。isin（df['out']）

和

df['out'].isin（df['in']）

。这将为您的特定需求提供布尔掩码。@vishakhall我所能做的一切（df['in'].isin（df['out']）&（df['out'].isin（df['in']）对于我的简单示例，输出为：真，真，真，真，假，假。我知道第0行、第1行、第2行和第3行匹配，但我不知道第0行是否匹配第1行、第2行还是第3行。如果您只需要查找

in

中的每个观察值是否发生在

out

中，也许您可以使用

df['in'].isin（df['out']）

一次生成布尔掩码。一般来说，您应该尽量避免逐行循环数据帧，并在问题中包含一小部分具有代表性的数据片段。我两者都需要，例如对于一对（40,60），我需要找到一对（60,40）。根据@NickBecker的建议，您可以对从

df['In']生成的布尔值执行and操作。isin（df['out']）

和

df['out'].isin（df['in']）

。这将为您的特定需求提供布尔掩码。@vishakhall我所能做的一切（df['in'].isin（df['out']）&（df['out'].isin（df['in']）对于我的简单示例，输出为：真，真，真，真，假，假。我知道第0行、第1行、第2行和第3行匹配，但我不知道第0行是否匹配第1行、第2行还是第3行。