Python 伊辛回归指数

我有一个pandas数据框

df

，其中包含唯一id的列表

id

，还有一个数据框，其中包含所有已知id的主列表

master_df.id

。我正在试图找出执行

isin

的最佳方法，该方法还将返回值所在的索引。所以如果我的数据框是

master_df

index id
1     1
2     2
3     3

index id
1     3
2     4
3     1

和

df

index id
1     1
2     2
3     3

index id
1     3
2     4
3     1

我想要类似于

（3，False，1）

的东西。

---

我目前正在做一个is-in，然后查找，然后使用循环强制执行查找，但我确信有更好的方法来执行此操作。

一种方法是进行合并：

In [11]: df.merge(mdf, on='id', how='left')
Out[11]: 
   index_x  id  index_y
0        1   3        3
1        2   4      NaN
2        3   1        1

列索引_y是期望的结果*：

In [12]: df.merge(mdf, on='id', how='left').index_y
Out[12]: 
0     3
1   NaN
2     1
Name: index_y, dtype: float64

*除了NaN vs.False，但我认为在这里。正如@DSM所指出的，在python中，

False==0

因此，如果以False作为缺少vs的代表，则可能会遇到麻烦。（如果仍要执行此操作，请使用

.fillna（0）

将NaN替换为0）

注意：只记录您关心的列可能更有效：

df[['id']].merge(mdf[['id', 'index']], on='id', how='left')

---

master_df

的索引是否有意义？如果您可以使

master_-df

以id作为索引，那么您可以直接在

master_-df

中查找值。您没有提到的一点是

False==0

，这很容易让您陷入麻烦

NaN

避免了这个问题。@DSM很好的一点，我在尝试fillna时意识到了这一点，不知道为什么我忽略了提到它！