Python 在数据帧中跨列查找匹配值

是否有一个内置函数，只允许选择具有匹配列值的行

例如，我有一个pandas数据框，它由用户列、他们对每个电影项目进行评级的列以及他们对它的评级组成（见下文）。有没有一种方法可以使用numpy或pandas快速选择两个用户都评级过的电影？换言之，输出一个列表/数组/数据帧，该列表/数组/数据帧包含已由相关用户（a）和其他所有用户评级的所有电影

在下面的示例中，所有用户都将电影评级为7。因此，对于用户（a）=8的查询，理想情况下会输出该用户和其他用户的所有常用评级

user    movie   rating
8        7        5.0
8       1333      3.0
50      3321      1.0
50      3363      2.0
50        7       3.0
83       50       4.0
83       7        5.0
etc      etc      etc

output for user 8
50        7       3.0
83       7        5.0

---

也许是这样的：

In [11]: df.loc[(df["user"] != 8) & (df["movie"].isin(df.loc[(df.user == 8), "movie"]))]
Out[11]:
   user  movie  rating
4    50      7     3.0
6    83      7     5.0

---

也许是这样的：

In [11]: df.loc[(df["user"] != 8) & (df["movie"].isin(df.loc[(df.user == 8), "movie"]))]
Out[11]:
   user  movie  rating
4    50      7     3.0
6    83      7     5.0

---

IIUC，您希望所有分级为电影7的用户，除了8：

df[(df["movie"].isin(df.loc[(df.user == 8), "movie"])) & (df.user!=8)]

这比下面安迪的回答要快一点：

%%timeit 
df[(df["movie"].isin(df.loc[(df.user == 8), "movie"])) & (df.user!=8)]
1.13 ms ± 54.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%%timeit 
df.loc[(df["user"] != 8) & (df["movie"].isin(df.loc[(df.user == 8), "movie"]))]
1.21 ms ± 110 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

---

IIUC，您希望所有分级为电影7的用户，除了8：

df[(df["movie"].isin(df.loc[(df.user == 8), "movie"])) & (df.user!=8)]

这比下面安迪的回答要快一点：

%%timeit 
df[(df["movie"].isin(df.loc[(df.user == 8), "movie"])) & (df.user!=8)]
1.13 ms ± 54.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%%timeit 
df.loc[(df["user"] != 8) & (df["movie"].isin(df.loc[(df.user == 8), "movie"]))]
1.21 ms ± 110 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

---

我认为这忽略了查找用户8已查看的电影的重要部分，例如，可能还有1333。谢谢@AndyHayden。我没有意识到这一点。我认为这忽略了查找用户8已评论的电影的重要部分，例如，可能也是1333。谢谢@AndyHayden。我不知道是这样的。