Python 通过与另一个数据帧重叠来创建数据帧的子集

对于以下两个数据帧：

df1 = pd.DataFrame({'name': pd.Series(["A", "B", "C"]), 'value': pd.Series([1., 2., 3.])})

     name  value
0    A    1.0
1    B    2.0
2    C    3.0

df2 = pd.DataFrame({'name': pd.Series(["A", "C", "D"]), 'value': pd.Series([1., 3., 5.])})

     name  value
0    A    1.0
1    C    3.0
2    D    5.0

我只想保留

df2

中

name

列中的值与

df1

的

name

列中的值重叠的行，即生成以下数据帧：

     name  value
0    A    1.0
1    C    3.0

我已经尝试了很多方法，但我对python和pandas还不熟悉，不喜欢R的语法。为什么这行代码不起作用，什么会起作用

df2[df2["name"] in df1["name"]]

您可以使用：

另一个更快的解决方案包括：

---

与实际数据中可能有用的方法稍有不同，可以使用“内部联接”（交叉点）和la SQL。如果两个数据帧中的列不重复（例如，使用某个公共键合并两个不同的数据集），则更有用

df1=pd.DataFrame（{'name'：pd.Series（[“A”，“B”，“C”]），'value'：pd.Series（[1,2,3.]））
df2=pd.DataFrame（{'name'：pd.Series（[“A”、“C”、“D”]），'value'：pd.Series（[1,3,5.]））
#假设对于join，您应该能够告诉join on=''，这里是'name'，这里是，
#但不是为我工作。
df1.set_索引（'name'，inplace=True）
df2.set_索引（'name'，inplace=True）
df1.join（df2，how='internal'，rsuffix='uother'）
#其他价值
#名字
#A 1.01.0
#C3.03.0

将

how

更改为

outer

将为您提供两者的交叉点，

left

仅用于

df1

行，

right

用于

df2

print (df2[df2["name"].isin(df1["name"])])
  name  value
0    A    1.0
1    C    3.0

val = np.intersect1d(df2["name"], df1["name"])
print (val)
['A' 'C']

print (df2[df2.name.isin(val)])
  name  value
0    A    1.0
1    C    3.0

df1 = pd.DataFrame({'name': pd.Series(["A", "B", "C"]), 'value': pd.Series([1., 2., 3.])})
df2 = pd.DataFrame({'name': pd.Series(["A", "C", "D"]), 'value': pd.Series([1., 3., 5.])})

# supposedly for the join you should be able to tell join on='<column_name>', 'name' here, 
# but wasn't working for me.
df1.set_index('name', inplace=True)
df2.set_index('name', inplace=True)

df1.join(df2, how='inner', rsuffix='_other')

#       value  value_other
# name                    
# A       1.0          1.0
# C       3.0          3.0