使用isin过滤Pandas DataFrame后数值不符问题求助

核心错误：混淆了「总行数」和「唯一用户数」的概念 #

你的计算逻辑完全不对，users['user_id'].size - interactions['user_id'].unique().size这个减法没有任何实际意义，不能用来验证过滤后的行数：

• users['user_id'].size是原始users的总行数（包含同一个user_id的重复行）
• interactions['user_id'].unique().size是interactions里有过交互的唯一用户数量
  这两个数值的维度完全不同，相减的结果和过滤后的行数没有关联。

你的过滤代码本身是正确的 #

users = users[users.user_id.isin(interactions['user_id'])]这段代码的逻辑没问题：它会保留users中所有user_id出现在interactions里的行（不管这个user_id在interactions里出现多少次，也不管users里这个user_id有多少重复行）。

正确的验证方式 #

要验证过滤结果是否正确，应该计算原始users中被排除的行数，再用总行数减去这个值：

# 计算被排除的行数（user_id不在interactions里的行）
excluded_rows = users[~users.user_id.isin(interactions['user_id'])].shape[0]
# 验证：原始总行数 - 被排除行数 应该等于过滤后的行数
print(818683 - excluded_rows == 566772)

举个简单例子帮你理解 #

假设：

• 原始users有5行：user_id为[1,1,2,3,3]（总行数5）
• interactions的user_id为[1,3]（唯一用户数2）
• 过滤后的users是[1,1,3,3]（共4行）
  如果按你的计算方式：5 - 2 = 3，显然和实际过滤后的4行不符——这就是因为你把「总行数」和「唯一用户数」混为一谈了。

内容的提问来源于stack exchange，提问作者Егор Трифонов