python - Pandas :合并数据框而不创建新列

Question

我有 2 个具有相同列的数据框:

df1 = pd.DataFrame([['Abe','1','True'],['Ben','2','True'],['Charlie','3','True']], columns=['Name','Number','Other'])
df2 = pd.DataFrame([['Derek','4','False'],['Ben','5','False'],['Erik','6','False']], columns=['Name','Number','Other'])

给出:

     Name Number Other
0      Abe      1  True
1      Ben      2  True
2  Charlie      3  True

和

    Name Number  Other
0  Derek      4  False
1    Ben      5  False
2   Erik      6  False

我想要一个输出数据框，它是基于“名称”的两者的交集:

output_df = 
        Name Number  Other
    0    Ben      2  True
    1    Ben      5  False

我已经尝试了一个基本的 pandas 合并但是返回是不可取的:

pd.merge(df1,df2,how='inner',on='Name') = 
 Name Number_x Other_x Number_y Other_y
0  Ben        2    True        5   False

这些数据帧非常大，所以我更愿意使用一些 pandas 魔法来保持快速。

Answer 1

您可以使用 concat然后按 isin 过滤与 numpy.intersect1d使用 boolean indexing :

val = np.intersect1d(df1.Name, df2.Name)
print (val)
['Ben']

df = pd.concat([df1,df2], ignore_index=True)
print (df[df.Name.isin(val)])
  Name Number  Other
1  Ben      2   True
4  Ben      5  False

val 的另一种可能解决方案是集合的intersection:

val = set(df1.Name).intersection(set(df2.Name))
print (val)
{'Ben'}

然后可以将索引重置为单调:

df = pd.concat([df1,df2])
print (df[df.Name.isin(val)].reset_index(drop=True))
  Name Number  Other
0  Ben      2   True
1  Ben      5  False