Python 数据帧的子集，其中两列等于两个列表

我有多个数据帧，每个数据帧大约有500万行。 每个数据帧有两列，分别称为

B

和

C

。此外，我还有两个值列表，其中第一个列表中的索引0对应于第二个列表中的索引0

我需要做的是获取完整数据帧的子集，但是两个列表中的值都是特定索引的tru

所以基本上：

df = 

A      B      C
------------------
val1   val2   val3
val4   val5   val6
val7   val8   val9


list1 = ["val2", "val8"]

list2 = ["val3", "val9"]

如果我用这个：

df.loc[(df['B'] == "val2") & (df['C'] == "val3")]

然后返回：

df_new = 

A      B      C
------------------
val1   val2   val3

但是我需要它对

list1

和

list2

中的所有列表项执行此操作，因此结果df应该是：

df_new = 

A      B      C
------------------
val1   val2   val3 
val7   val8   val9

我正在考虑创建一个新列（

new\u column

）和一个新列表（

new\u list

），其中两个列表名连接在一起，然后运行：

df[df['new_column'].isin(new_list)]

但我有点担心，考虑到我必须对大约500万行和许多不同的数据帧执行此操作，这样做效率很低

---

是的，有什么巧妙的方法吗？

您可以使用列表（列表1和列表2）创建一个数据帧并合并数据帧：

u = pd.DataFrame({"B":list1,"C":list2})
df.merge(u)
#[df.merge(u) for df in df_list] for list

---

---

使用

isin

的方法是，需要传递一个

元组

，以防行与两个列表的结果匹配

df[df[['B','C']].agg(tuple,1).isin(tuple(zip(list1,list2)))]
      A     B     C
0  val1  val2  val3
2  val7  val8  val9

---

该指数是范围指数吗？或者A列是索引？不，A列不是索引。这将是正确的方法~isin没有给出正确的结果~：-）啊，这太狡猾了。工作起来很有魅力。我一直在玩这个，时间更长，但应该比

agg

：）：

df[pd.MultiIndex.from_frame（df[[B'，'C']]）.isin（pd.MultiIndex.from_arrays（（list1，list2））]

df[df[['B','C']].agg(tuple,1).isin(tuple(zip(list1,list2)))]
      A     B     C
0  val1  val2  val3
2  val7  val8  val9