在不同的 DataFrame 上使用 DataFrame 过滤器

Question

我有两个数据框：df1:ID var11 Foo2 Foo3 Foo4 Bardf2:ID var12 Foo3 Bar4 Bar5 Foo    6 Bar我为 df1 创建了一个过滤器，其中 var1 = 'Foo'：foo_filter=df1['var1']=='Foo'当应用于 df1 时正确返回：df1_filtered=df1[foo_filter]print(df1_filtered)ID var11  Foo2  Foo3  Foo然后我想对 df2 应用相同的过滤器，输出如下：print(df2_filtered)ID var12  Foo3  Bar但是我遇到了这个错误：df2_filtered=df2[foo_filter]IndexingError: Unalignable boolean Series provided as indexer (index of the boolean Series and of the indexed object do not match有什么办法可以用过滤器做到这一点，还是我需要不同的方法？

Answer 1

只有你需要：

如果 ID 是索引，则将 ID 作为列：

df1.reset_index(inplace=True) #if ID is the index

df2.reset_index(inplace=True) #if ID is the index

filtered_df1=df1[df1['var1'].eq('Foo')]

print(filtered_df1)

    ID var1

0   1  Foo

1   2  Foo

2   3  Foo

df2.loc[df2['ID'].isin(filtered_df1['ID'])]

   ID var1

0   2  Foo

1   3  Bar

Answer 2

df1 = pd.DataFrame({"id":[1,2,3,4], "var1":['Foo', 'Foo', 'Foo', 'Bar']})

df2 = pd.DataFrame({"id":[2,3,4,5, 6], "var1":['Foo','Bar','Bar','Foo', 'Bar']})

def filter(x):

    return x == 'Foo'

df1[df1['var1'].apply(filter)]

    id  var1

0   1   Foo

1   2   Foo

2   3   Foo

df2[df2['var1'].apply(filter)]

    id  var1

0   2   Foo

3   5   Foo