python - Pandas 修剪数据的更好方法

Question

我目前有一个看起来像这样的数据框:

df = pd.DataFrame({'AAA' : [4,5,6,7], 'BBB' : [100,100,30,40],'CCC' : [100,100,30,-50]})

我还有数据框:

df1 = pd.DataFrame({'AAA' : [4], 'BBB' : [100]})

我在哪里定义

relevantColumns=['AAA','BBB']

这只是 df1 的列的列表。

我想找到 df1 出现在 df 中的索引。我目前有一些看起来像这样的东西，

trueNFalses=(df==df1)[columnsToSort] #This generates a boolean dataframe

#Now I want to find the row with two trues in it, this is the row where df1 appears.

numTrues=trueNFalses.sum(axis=1)

#Now I look through numTrues and find the index of every values of 2,  
#because that is where there were two trues.

indices=numTrues[numTrues==len(columnsToSort)].axes

所以我做了一个关于计算的非常全面的事情，只是为了获得 df 具有 df1 具有的列的索引。我觉得做这一切很傻，因为我几乎可以肯定，在 Pandas 中一定有更好的方法来做到这一点。我的技术也有一些缺点，我很想解决但不知道如何解决。例如，我确实需要将索引作为数据框，但在我的代码中，它是一个 dtype 对象列表，这对于将来的处理来说很尴尬。

Answer 1

我想你可以试试merge与 reset_index然后索引值在 index 列中:

df = pd.DataFrame({'AAA' : [4,5,6,7], 
                   'BBB' : [100,100,30,40],
                   'CCC' : [100,100,30,-50]}, index=[2,3,4,5])

df1 = pd.DataFrame({'AAA' : [4], 'BBB' : [100]}, index=[8])

relevantColumns=['AAA','BBB']

print df
   AAA  BBB  CCC
2    4  100  100
3    5  100  100
4    6   30   30
5    7   40  -50

print df1
   AAA  BBB
8    4  100

print pd.merge(df.reset_index(), df1, on=relevantColumns, how='right')
   index  AAA  BBB  CCC
0      2    4  100  100

print pd.merge(df.reset_index(), df1, on=relevantColumns, how='right')['index']
0    2
Name: index, dtype: int64