Python 如何修改数据帧，使其在数据帧中只包含具有共享索引值的行？

因此，我是一名数据科学专业的学生，在Python Pandas中处理一些数据，我有两个数据帧，其索引是日期（每个数据帧都是通过使用Pandas.readcsv（“filepath”，index_col=“DATE”，parse_dates=True，dayfirst=True）读取CSV文件生成的）。我想做的是修改这些数据帧，使它们各自只包含索引值由它们共享的行—这样，我可以直接比较它们以查找数据中的相关性

在过去的几个小时里，我一直在搜索文档，寻找实现这一点的方法，目前，我得到了以下代码：

common_dates = list(set(df1.index.values).intersection(df2.index.values))
print(common_dates)
print(normalized_house_index_data.index.values)
df1= df1.take(common_dates)
df2= df2.take(common_dates)

然而，这给了我一个索引越界错误，即使公共_日期应该从index.values数组中的项构造。当我查看作为疑难解答的一部分而添加的print（）语句的输出时，我看到了以下常见日期：

[numpy.datetime64('2000-12-31T00:00:00.000000000'), numpy.datetime64('2001-12-31T00:00:00.000000000'), numpy.datetime64('2004-12-31T00:00:00.000000000'), numpy.datetime64('2003-12-31T00:00:00.000000000'), #and more values

对于df1.index.values，请执行以下操作：

['2000-12-31T00:00:00.000000000' '2001-12-31T00:00:00.000000000'
 '2002-12-31T00:00:00.000000000' '2003-12-31T00:00:00.000000000' #and more values

df2.index.values的值看起来类似于df1

['1947-12-31T00:00:00.000000000' '1948-12-31T00:00:00.000000000'
#lots of values
 '1997-12-31T00:00:00.000000000' '1998-12-31T00:00:00.000000000'
 '1999-12-31T00:00:00.000000000' '2000-12-31T00:00:00.000000000'
 '2001-12-31T00:00:00.000000000' '2002-12-31T00:00:00.000000000'
#more values

这会产生“索引超出范围”错误。我曾尝试使用list（map）（str，common_dates）将common_dates转换为字符串，因为它看起来可能存在某种类型的不匹配，但这会产生一个“invalid literal for int（），以10为基数：'2000-12-31T00:00:00.000000000'”错误；我曾尝试类似地将它们转换为int或numpy.datetime64，但这两者都会给出错误“索引超出范围”错误

我还尝试了使用df1.iterrows（）的另一种方法：

我还尝试了一个版本，将每行的日期直接与df2.index.values的值进行比较。这两个版本都会导致从表中删除所有行，而不仅仅是删除不匹配的行

---

我做错了什么？我只是采取了错误的方法，还是我遗漏了什么？

我认为

take

存在问题，因为我致力于通过常用索引进行选择：

a = pd.DatetimeIndex(['2000-12-31T00:00:00.000000000',
                      '2001-12-31T00:00:00.000000000',
                      '2002-12-31T00:00:00.000000000', 
                      '2003-12-31T00:00:00.000000000'])

b = pd.DatetimeIndex(['1947-12-31T00:00:00.000000000',
                      '1948-12-31T00:00:00.000000000',
                      '1997-12-31T00:00:00.000000000',
                      '1998-12-31T00:00:00.000000000',
                      '1999-12-31T00:00:00.000000000',
                      '2000-12-31T00:00:00.000000000',
                      '2001-12-31T00:00:00.000000000',
                      '2002-12-31T00:00:00.000000000'])

df1 = pd.DataFrame(index=a)
df2 = pd.DataFrame(index=b)

common_dates = df1.index.intersection(df2.index)
print(common_dates)
DatetimeIndex(['2000-12-31', '2001-12-31', '2002-12-31'], 
              dtype='datetime64[ns]', freq='A-DEC')

---

也可用于通用索引：

a = pd.DatetimeIndex(['2000-12-31T00:00:00.000000000',
                      '2001-12-31T00:00:00.000000000',
                      '2002-12-31T00:00:00.000000000', 
                      '2003-12-31T00:00:00.000000000'])

b = pd.DatetimeIndex(['1947-12-31T00:00:00.000000000',
                      '1948-12-31T00:00:00.000000000',
                      '1997-12-31T00:00:00.000000000',
                      '1998-12-31T00:00:00.000000000',
                      '1999-12-31T00:00:00.000000000',
                      '2000-12-31T00:00:00.000000000',
                      '2001-12-31T00:00:00.000000000',
                      '2002-12-31T00:00:00.000000000'])

df1 = pd.DataFrame(index=a)
df2 = pd.DataFrame(index=b)

common_dates = df1.index.intersection(df2.index)
print(common_dates)
DatetimeIndex(['2000-12-31', '2001-12-31', '2002-12-31'], 
              dtype='datetime64[ns]', freq='A-DEC')

---

---

我认为您需要

df=pd.merge（df1，df2，left\u index=True，right\u index=True）

然后

打印（df.index）

是常见的日期。我不想合并数据帧；我想将它们分开，以便以后更容易比较。嗯，那么问题在于缺少@jezrael，这是怎么回事？我已经给出了创建数据帧的方法，我的代码操作数据帧，以及我的调试输出。你还想要什么？我无法运行代码验证

索引越界错误
，如果正确，我如何测试您的解决方案？@nick012000-感谢您的耐心！快乐编码；）
df1= df1.loc[common_dates]
df2= df2.loc[common_dates]
print (df1)
Empty DataFrame
Columns: []
Index: [2000-12-31 00:00:00, 2001-12-31 00:00:00, 2002-12-31 00:00:00]

print (df2)
Empty DataFrame
Columns: []
Index: [2000-12-31 00:00:00, 2001-12-31 00:00:00, 2002-12-31 00:00:00]