如何获得两个熊猫数据框的共同索引？答案

【问题标题】：How to get the common index of two pandas dataframes?如何获得两个熊猫数据框的共同索引？
【发布时间】：2018-06-18 15:30:30
【问题描述】：

我有两个 pandas 数据帧 df1 和 df2，我想对它们进行转换，以便它们仅保留两个数据帧共有的索引的值。

df1

                      values 1
0                            
28/11/2000          -0.055276
29/11/2000           0.027427
30/11/2000           0.066009
01/12/2000           0.012749
04/12/2000           0.113892

df2

                       values 2

24/11/2000            -0.004808
27/11/2000            -0.001812
28/11/2000            -0.026316
29/11/2000             0.015222
30/11/2000            -0.024480

成为

df1

                     value 1

28/11/2000          -0.055276
29/11/2000           0.027427
30/11/2000           0.066009

df2

                       value 2

28/11/2000            -0.026316
29/11/2000             0.015222
30/11/2000            -0.024480

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

我发现 pd.Index 和设置组合比 numpy.intersect1d 和 df1.index.intersection(df2.index) 快得多。这是我使用的：

df2 = df2.loc[pd.Index(set(df1.index)&set(df2.index))]

【讨论】：

【解决方案2】：

你可以pd.merge他们用一个中间DataFrame创建另一个DataFrame的索引：

df2_indexes = pd.DataFrame(index=df2.index)
df1 = pd.merge(df1, df2_indexes, left_index=True, right_index=True)
df1_indexes = pd.DataFrame(index=df1.index)
df2 = pd.merge(df2, df1_indexes, left_index=True, right_index=True)

或者你可以使用pd.eval:

df2_indexes =  df2.index.values
df1 = df1[eval("df1.index in df2_indexes"]
df1_indexes = df1.index.values
df2 = df2[eval("df2.index in df1_indexes"]

【讨论】：

【解决方案3】：

你可以使用Index.intersection + DataFrame.loc:

idx = df1.index.intersection(df2.index)
print (idx)
Index(['28/11/2000', '29/11/2000', '30/11/2000'], dtype='object')

numpy.intersect1d 的替代解决方案：

idx = np.intersect1d(df1.index, df2.index)
print (idx)
['28/11/2000' '29/11/2000' '30/11/2000']

df1 = df1.loc[idx]
print (df1)
            values 1
28/11/2000 -0.055276
29/11/2000  0.027427
30/11/2000  0.066009

df2 = df2.loc[idx]

【讨论】：

我想知道您是否可以使用单级多级索引来做到这一点？
很好的答案。只有一个小错误：df2 = df1.loc[idx] 应该是 df2 = df2.loc[idx]

【解决方案4】：

索引对象有一些类似集合的属性，所以你可以简单地取交集，如下所示：

df1 = df1.reindex[ df1.index & df2.index ]

这将保留交叉点中第一个数据帧的顺序，df。

【讨论】：

【解决方案5】：

reindex + dropna

df1.reindex(df2.index).dropna()
Out[21]: 
             values1
28/11/2000 -0.055276
29/11/2000  0.027427
30/11/2000  0.066009


df2.reindex(df1.index).dropna()
Out[22]: 
             values2
28/11/2000 -0.026316
29/11/2000  0.015222
30/11/2000 -0.024480

【讨论】：

【解决方案6】：

并且，使用isin。 intersection 可能会更快。

In [286]: df1.loc[df1.index.isin(df2.index)]
Out[286]:
             values1
0
28/11/2000 -0.055276
29/11/2000  0.027427
30/11/2000  0.066009

In [287]: df2.loc[df2.index.isin(df1.index)]
Out[287]:
             values2
0
28/11/2000 -0.026316
29/11/2000  0.015222
30/11/2000 -0.024480

【讨论】：

【解决方案7】：

In [352]: common = df1.index.intersection(df2.index)

In [353]: df1.loc[common]
Out[353]:
             values1
0
28/11/2000 -0.055276
29/11/2000  0.027427
30/11/2000  0.066009

In [354]: df2.loc[common]
Out[354]:
             values2
0
28/11/2000 -0.026316
29/11/2000  0.015222
30/11/2000 -0.024480

【讨论】：

【解决方案8】：

你有没有尝试过类似的东西

df1 = df1.loc[[x for x in df1.index if x in df2.index]]
df2 = df2.loc[[x for x in df2.index if x in df1.index]]

【讨论】：