熊猫 isin() 返回全部错误

Question

我正在使用 Pandas 1.1.3，Anaconda 提供的最新版本。

我有两个 DataFrame，从一个 .txt 和一个 .xlsx 文件导入。他们在两个 DataFrame 上都有一个名为“ID”的列，它是一个 int64（使用 df.info() 验证）。

df1:

          ID        Name
0 1234564567 Last, First
1 1234564569 Last, First
...

df2:

          ID Amount
0 1234564567  59.99
1 5678995545  19.99

我想检查 df1 上的所有 ID 是否都在 df2 上。为此，我创建了一个系列：

foo = df1["ID"].isin(df2["ID"])

我知道所有值都是False，即使我手动检查并且值匹配。

0       False
1       False
2       False
3       False
4       False 
...

我不确定我是否遗漏了什么，环境是否有问题，或者是否是已知错误。

Answer 1

你一定做错了什么。尝试像我在此处所做的那样使用玩具示例重现此错误。以下对我有用。

复制和分享一个最小示例不仅可以让您挑战自己的错误，还可以让我们提供帮助。

import pandas as pd
import numpy as np
data = {'Name':['Tom', 'nick'], 'ID':[1234564567, 1234564569]} 
data2 = {'Name':['Tom', 'nick'], 'ID':[1234564567, 5678995545]} 
# Create DataFrame 
df = pd.DataFrame(data) 
df2 = pd.DataFrame(data2) 
df["ID"].isin(df2["ID"])
0     True
1    False
Name: ID, dtype: bool

---

编辑： 使用 Paul 的数据，我没有收到任何错误。看到提供示例的重要性了吗？

import pandas as pd
data = {'ID':['1234564567', '1234564569'],'Name':['Last, First', 'Last, First']}
data2 = {'ID':['1234564567', '5678995545'],'Amount': [59.99, 19.99]}
df1 = pd.DataFrame(data)
df2 = pd.DataFrame(data2)
df["ID"].isin(df2["ID"])
0     True
1    False

Answer 2

import pandas as pd
data = {'ID':['1234564567', '1234564569'],'Name':['Last, First', 'Last, First']}
data2 = {'ID':['1234564567', '5678995545'],'Amount': [59.99, 19.99]}
df1 = pd.DataFrame(data)
df2 = pd.DataFrame(data2)

现在我们已经设置好了，我们开始吃肉了……

df1["ID"].apply(lambda x: df2['ID'].isin([x]))

哪个显示

    0       1
0   True    False
1   False   False

df1 中的 ID 0 在 df2 的 ID 0 中