Python 使用数据库的字符串保持索引匹配数据库

我有一个包含字符串和索引的数据库，如下所示

df0
idx name_id_code string_line_0
0 0.01 A
1 0.5 B
2 77.6 C
3 29.8 D
4 56.2 E
5 88.1000005 F
6 66.4000008 G
7 2.1 H
8 99 I
9 550.9999999 J


df1
idx string_line_1
0 A
1 F
2 J
3 G
4 D

现在，我想将df1与df0匹配，取df1=df0的值，但保持df0的索引为true，如下所示

df_result name_id_code string_line_0
0 0.01 A
5 88.1000005 F
9 550.9999999 J
6 66.4000008 G
3 29.8 D

我尝试使用我的代码，但它不适用于字符串，只适用于匹配索引

c = df0['name_id_code'] + ' (' + df0['string_line_0'].astype(str) + ')'
out = df1[df2['string_line_1'].isin(s)]

我还试着保持简单的最后一列匹配，如

c = df0['string_line_0'].astype(str) + ')'
out = df1[df1['string_line_1'].isin(s)]

但输出为空。

您可以执行以下操作：

out = df0.loc[(df0["string_line_0"].isin(df1["string_line_1"]))].copy()
out["string_line_0"] = pd.Categorical(out["string_line_0"], categories=df1["string_line_1"].unique())
out.sort_values(by=["string_line_0"], inplace=True)

第一行将

df0

过滤到

df1

的

string\u line\u 0

列中的行

---

第二行将输出df中的

string\u line\u 0

转换为一个分类特征，然后按照df1中值的顺序对其进行自定义排序，因为它是经过过滤的

df0

数据帧，如果被

df1使用，则索引值不会更改['string\u line\u 1'

，只有列的顺序与原始的

df0

相同：

out = df0[df0['string_line_0'].isin(df1['string_line_1'])]
print (out)
     name_id_code string_line_0
idx                            
0        0.010000             A
3       29.800000             D
5       88.100001             F
6       66.400001             G
9      551.000000             J

或者如果使用，则为避免丢失

df0。必须添加索引：

类似的解决方案，只有
string\u line\u 0
和
string\u line\u 1
列中的值相同：

out = (df1.merge(df0.reset_index(), left_on='string_line_1', right_on='string_line_0'))
print (out)
  string_line_1  idx  name_id_code string_line_0
0             A    0      0.010000             A
1             F    5     88.100001             F
2             J    9    551.000000             J
3             G    6     66.400001             G
4             D    3     29.800000             D

您能否将df的内容作为dict提供，以便我们能够在代码中使用它？您的第一个解决方案：out=df1[df1['string\u line\u 0'].isin（df0['string\u line\u 1']）]只能工作，但它并没有将df0的索引作为我需要的df0的索引。使用您使用的序列，将wring值作为重复字符串，我也需要将它们与序列一起使用，我也需要在df0的输出索引中使用。虽然DF1的序列更新了我的答案，以显示如何按照
df中的值顺序自定义排序输出1
。输出将保留来自
df0
df1=df0的索引，索引为df0，但所需的顺序为df1
out = (df1.merge(df0.reset_index(), left_on='string_line_1', right_on='string_line_0'))
print (out)
  string_line_1  idx  name_id_code string_line_0
0             A    0      0.010000             A
1             F    5     88.100001             F
2             J    9    551.000000             J
3             G    6     66.400001             G
4             D    3     29.800000             D