Python 检查索引中是否包含数字时出现问题

我有一个数据帧，我们称之为df1，如下所示

    Index   ID
    1       90
    2       508
    3       692
    4       944
    5       1172
    6       1998
    7       2022

现在，如果我调用（508==df['ID']）。any（），它会返回true。但如果我有另一个数据帧df2，它看起来如下所示：

    Index  Num
    1      83
    2      508
    3      912

我想使用iloc检查df1的ID中是否包含NUM，并返回一个错误len（），该错误为未调整大小的对象。这正是我使用的代码：

   (df2.iloc[1][0] == df2['ID']).any()

返回上面提到的错误。我还尝试将一个变量设置为df1.iloc[1][0]，但不起作用，对该变量调用int（）也不起作用。有人能对此提供一些见解吗？

试着扭转局面

(df1['ID'] == df2.iloc[1][0]).any()

True

这是由于传递给它的对象如何处理

=

而导致的

在本例中，您拥有类型为的第一个对象

type(df2.iloc[1][0])

numpy.int64

第二种类型

pandas.core.series.Series

=

或

\uuuu eq\uuu

不能很好地处理这种组合

然而，这也起作用：

(int(df2.iloc[1][0]) == df1['ID']).any()

或：

---

类似这样的内容用于检查

ID

列是否位于

df2

的

Num

列中：

>>> df1.ID.isin(df2.Num)
Index
1    False
2     True
3    False
4    False
5    False
6    False
7    False
Name: ID, dtype: bool

或：

或者，如果您只想按索引位置查看匹配的数字：

>>> df2.where(df2.Num.isin(df1.ID) * df2.Num, np.nan)
       Num
Index     
1      NaN
2      508
3      NaN

这很有效

 (df['ID']==df2.iloc[1][0]).any()

---

您希望它是什么输出

True

here？

np.int64（3）=df['ID']

也返回相同的错误。虽然你说转换成int不起作用；应该这样。改变顺序也应该有效。（

（df['ID']==df2.iloc[1][0]）。any（）

想要的输出是什么？还要注意输入错误：

（df2.iloc[1][0]==df2['ID']）。any（）

应该是

（df2.iloc[1][0]==df1['ID']）。any（）

是的，输出应该是真的。是的，我打错了，应该是df1['ID']@Alexander这是一个输入错误，意思是dfGreat，这真的很有趣==是如何工作的，翻转顺序就能解决它。作为后续，假设我想将df1中没有的NUM追加到ID的末尾。我有if语句，但当我要追加时，我得到“无法连接非NDFrame对象”。这是使用df1.append（df2.iloc[0][0]）和df1.append（int（df2.iloc[0][0]）@JSolomonCulp您不能向这样的数据帧添加单个值，您需要添加整个系列。df1.append（df2.loc[0]））will Work OK我很害怕。就我实际处理的数据帧而言，数据帧的大小不同，因此df2有Num，但其中有一组其他数据。理想情况下，我只想将Num的值添加到只有一列的df1中。我想我可以将df1扩展为一组NaN？尝试将值放入df2.iloc[0][0]进入一个列名为“ID”的系列，看看是否有效，或者是的，你可以扩展df1或从df2Huh中删除列。翻转它会起作用，这真的很有趣。我真的不认为这么简单的事情可以解决它，但谢谢！还有很好的解释作为后续，比如我想附加作为后续的NUM，比如我nt将不在df1中的NUM追加到ID的末尾。我有if语句，但当我要追加时，我得到“无法连接非NDFrame对象”。这是使用df1.append（df2.iloc[0][0]）和df1.append（int（df2.iloc[0][0]）

>>> df2.where(df2.Num.isin(df1.ID) * df2.Num, np.nan)
       Num
Index     
1      NaN
2      508
3      NaN

 (df['ID']==df2.iloc[1][0]).any()