两个或多个 DataFrame 列的交集

Question

我试图找到三个数据帧的交集，但是pd.intersect1d 不喜欢使用三个数据帧。

import numpy as np
import pandas as pd
df1 = pd.DataFrame(np.random.randint(0,10,size=(10, 4)), columns=list('ABCD'))
df2 = pd.DataFrame(np.random.randint(0,10,size=(10, 4)), columns=list('BCDE'))
df3 = pd.DataFrame(np.random.randint(0,10,size=(10, 4)), columns=list('CDEF'))

inclusive_list = np.intersect1d(df1.columns, df2.columns, df3.columns)

错误：

ValueError: The truth value of a Index is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

inclusive_list 应该只包括列名 C 和 D。任何帮助将不胜感激。谢谢你。

Answer 1

你可以使用concat

pd.concat([df1.head(1),df2.head(1),df3.head(1)],join='inner').columns
Out[81]: Index(['C', 'D'], dtype='object')

Answer 2

为什么您当前的方法不起作用：

intersect1d 不接受 N 数组，它只比较 2。

numpy.intersect1d(ar1, ar2, assume_unique=False, return_indices=False)

从定义中可以看出，您将第三个数组作为assume_unique 参数传递，并且由于您将数组视为单个布尔值，因此您会收到ValueError。

---

您可以使用functools.reduce 扩展intersect1d 的功能以处理N 数组：

from functools import reduce
reduce(np.intersect1d, (df1.columns, df2.columns, df3.columns))

array(['C', 'D'], dtype=object)

---

更好的方法

但是，最简单的方法是在 Index 对象上使用交集：

df1.columns & df2.columns & df3.columns

Index(['C', 'D'], dtype='object')

Answer 3

inclusive_list = np.intersect1d(np.intersect1d(df1.columns, df2.columns), df3.columns)

请注意，传递给 np.intersect1d (https://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.intersect1d.html) 的参数应该是两个数组（ar1 和 ar2）。

传递 3 个数组意味着函数中的assume_unique 变量被设置为数组（预期为布尔值）。

如果不想使用 numpy，也可以使用简单的原生 python set 方法

inclusive_list = set(df1.columns).intersection(set(df2.columns)).intersection(set(df3.columns))