【452】pandas筛选出表中满足另一个表所有条件的数据

参考：pandas筛选出表中满足另一个表所有条件的数据

参考：pandas:匹配两个dataframe

使用 pd.merge 来实现

on 表示查询的 columns，如果都有 id，那么这是很好的区别项，找到 id 相同的进行merge。

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

>>> import numpy as np
            
>>> import pandas as pd
            
>>> data1 = {
    'one': pd.Series([1,2,3]),
    'two': pd.Series([11,22,33])
    }
            
>>> df1 = pd.DataFrame(data = data1)
            
>>> df1
            
   one  two
0    1   11
1    2   22
2    3   33
>>> data2 = {
    'one': pd.Series([1,2,3,4,5,6]),
    'two': pd.Series([11,22,33]),
    'three': pd.Series([111,222,333]),
    'four': pd.Series([1111,2222,3333,4444,5555,6666])
    }
                   
>>> df2 = pd.DataFrame(data = data2)
            
>>> df2
            
   one   two  three  four
0    1  11.0  111.0  1111
1    2  22.0  222.0  2222
2    3  33.0  333.0  3333
3    4   NaN    NaN  4444
4    5   NaN    NaN  5555
5    6   NaN    NaN  6666
>>> df2[df2['one']<3]
            
   one   two  three  four
0    1  11.0  111.0  1111
1    2  22.0  222.0  2222
 
>>> df = pd.merge(df1, df2, how='inner')
              
>>> df
              
   one  two  three  four
0    1   11  111.0  1111
1    2   22  222.0  2222
2    3   33  333.0  3333
>>> df1
              
   one  two
0    1   11
1    2   22
2    3   33
>>> df2
              
   one   two  three  four
0    1  11.0  111.0  1111
1    2  22.0  222.0  2222
2    3  33.0  333.0  3333
3    4   NaN    NaN  4444
4    5   NaN    NaN  5555
5    6   NaN    NaN  6666
>>> pd.merge(df1, df2, how='inner')
              
   one  two  three  four
0    1   11  111.0  1111
1    2   22  222.0  2222
2    3   33  333.0  3333
>>> pd.merge(df2, df1, how='inner')
              
   one   two  three  four
0    1  11.0  111.0  1111
1    2  22.0  222.0  2222
2    3  33.0  333.0  3333
>>> five = pd.Series([1,2,3,4,5,6])
              
>>> df2['five'] = five
              
>>> df2
              
   one   two  three  four  five
0    1  11.0  111.0  1111     1
1    2  22.0  222.0  2222     2
2    3  33.0  333.0  3333     3
3    4   NaN    NaN  4444     4
4    5   NaN    NaN  5555     5
5    6   NaN    NaN  6666     6
>>> df1
              
   one  two
0    1   11
1    2   22
2    3   33
>>> pd.merge(df2, df1, how='inner')
              
   one   two  three  four  five
0    1  11.0  111.0  1111     1
1    2  22.0  222.0  2222     2
2    3  33.0  333.0  3333     3
>>> pd.merge(df1, df2, how='inner')
              
   one  two  three  four  five
0    1   11  111.0  1111     1
1    2   22  222.0  2222     2
2    3   33  333.0  3333     3
>>> df1
              
   one  two
0    1   11
1    2   22
2    3   33
>>> df2
              
   one   two  three  four  five
0    1  11.0  111.0  1111     1
1    2  22.0  222.0  2222     2
2    3  33.0  333.0  3333     3
3    4   NaN    NaN  4444     4
4    5   NaN    NaN  5555     5
5    6   NaN    NaN  6666     6
>>> six = pd.Series([-1, -2, -3])
              
>>> df1['six'] = six
              
>>> df1
              
   one  two  six
0    1   11   -1
1    2   22   -2
2    3   33   -3
>>> df2
              
   one   two  three  four  five
0    1  11.0  111.0  1111     1
1    2  22.0  222.0  2222     2
2    3  33.0  333.0  3333     3
3    4   NaN    NaN  4444     4
4    5   NaN    NaN  5555     5
5    6   NaN    NaN  6666     6
>>> pd.merge(df1, df2, how='inner')
              
   one  two  six  three  four  five
0    1   11   -1  111.0  1111     1
1    2   22   -2  222.0  2222     2
2    3   33   -3  333.0  3333     3
>>> pd.merge(df2, df1, how='inner')
              
   one   two  three  four  five  six
0    1  11.0  111.0  1111     1   -1
1    2  22.0  222.0  2222     2   -2
2    3  33.0  333.0  3333     3   -3