我正在努力解决与数据框相关的问题。有两个数据帧,df和dff,如下
data = np.array([['', 'col1', 'col2'],
['row1', 1, 2],
['row2', 3, 4]])
df = pd.DataFrame(data=data[1:,1:].astype(int), index=data[1:,0],columns=data[0,1:])
filters=np.array([['', 'col1', 'col2'],
['row1', 1, 1],
['row2', 1, 2],
['row3', 3, 2]])
dff = pd.DataFrame(data=filters[1:,1:].astype(int), index=filters[1:,0],columns=filters[0,1:])
我希望从 df 中选择行,使其 col2 值属于可以在 dff 中找到且具有匹配 col1 值的值列表。 例如,对于 col1 值等于 1,该列表应为 [1, 2],对于 col1 值等于 2,该列表应为 [2]。
我解决这个问题的最佳尝试是
df1 = df[df['col2'].isin(dff[dff['col1']==df['col1']]['col2'])]
但这会导致
ValueError: Can only compare identically-labeled Series objects
如有任何帮助,我们将不胜感激。非常感谢。
最佳答案
据我了解,您可以简单地 aggregate
ndf = dff.groupby('col1').agg(lambda x: list(x)).reset_index()
col1 col2
0 1 [1, 2]
1 3 [2]
并过滤 col1
中不在 df
ndf[ndf.col1.isin(df.col1)]
关于Python DataFrame - 根据另一个数据帧中的值选择数据帧行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50898313/