如何跨索引比较两个DataFrame列，找出相同时间戳的行

你之前用df1.eq(df2)无效的原因是：这个方法是按索引位置逐行比较，只有同一索引位置的值完全一致才返回True，和值是否存在于另一个DataFrame无关，所以即使时间戳相同但索引不同，结果也会是False。

下面是两种实用的解决方法：

方法1：用isin筛选匹配行 #

直接筛选出当前DataFrame中时间戳存在于另一个DataFrame的所有行，适用于需要保留原DataFrame结构的场景：

示例代码 #

import pandas as pd

# 构造你的示例数据
df1 = pd.DataFrame({'ts': ['2000-01-01 00:00:00', '2000-01-02 00:00:00', '2000-01-03 00:00:00']})
df2 = pd.DataFrame({'ts': ['2000-01-02 00:00:00', '2000-01-03 00:00:00', '2000-01-04 00:00:00']})

# 从df1中筛选出df2也有的时间戳行
df1_matches = df1[df1['ts'].isin(df2['ts'])]
# 从df2中筛选出df1也有的时间戳行
df2_matches = df2[df2['ts'].isin(df1['ts'])]

输出结果 #

df1_matches：

ts
1  2000-01-02 00:00:00
2  2000-01-03 00:00:00

df2_matches：

ts
0  2000-01-02 00:00:00
1  2000-01-03 00:00:00

方法2：用merge做内连接 #

如果需要将两个DataFrame中匹配的行合并到一起，用内连接（how='inner'）的merge方法，会自动匹配所有相同时间戳的行，不管索引位置：

示例代码 #

common_rows = pd.merge(df1, df2, on='ts', how='inner')

输出结果 #

ts
0  2000-01-02 00:00:00
1  2000-01-03 00:00:00

内容的提问来源于stack exchange，提问作者Alyssa S