如何从df1提取与df2匹配的数据并保留df1的DataFrame结构

现有两个结构不同的DataFrame：

• df1包含列a、b、c、d、e，数据如下：

a         b     c    d           e
orange    7     21   high       sweet
apple     9     44   very high  sweet
lemon     3     13   low        sour

• df2仅包含列a、b、c，数据如下：

a         b     c
orange    7     21
apple     9     44

需求：创建新DataFrame df3，保留df1中与df2在a、b、c三列完全匹配的行，且结构与df1一致，最终结果如下：

a         b     c    d           e
orange    7     21   high       sweet
apple     9     44   very high  sweet

方法一：使用merge函数（推荐） #

利用pandas的merge函数，直接指定共同匹配列，取内连接（交集）即可，自动保留df1的全部列结构：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({
    'a': ['orange', 'apple', 'lemon'],
    'b': [7, 9, 3],
    'c': [21, 44, 13],
    'd': ['high', 'very high', 'low'],
    'e': ['sweet', 'sweet', 'sour']
})

df2 = pd.DataFrame({
    'a': ['orange', 'apple'],
    'b': [7, 9],
    'c': [21, 44]
})

# 执行合并，按a、b、c三列匹配，取交集
df3 = pd.merge(df1, df2, on=['a', 'b', 'c'], how='inner')
print(df3)

方法二：使用布尔索引筛选 #

将df2的a、b、c列转为元组集合，再筛选df1中符合条件的行：

import pandas as pd

# 构造示例数据（同上）
df1 = pd.DataFrame({
    'a': ['orange', 'apple', 'lemon'],
    'b': [7, 9, 3],
    'c': [21, 44, 13],
    'd': ['high', 'very high', 'low'],
    'e': ['sweet', 'sweet', 'sour']
})

df2 = pd.DataFrame({
    'a': ['orange', 'apple'],
    'b': [7, 9],
    'c': [21, 44]
})

# 将df2的三列转为元组集合
matched_tuples = set(df2.apply(tuple, axis=1))
# 筛选df1中匹配的行
df3 = df1[df1[['a', 'b', 'c']].apply(tuple, axis=1).isin(matched_tuples)]
# 可选：重置索引
df3 = df3.reset_index(drop=True)
print(df3)

内容的提问来源于stack exchange，提问作者cain007