如何基于df1索引生成新DataFrame：仅保留df2中值为1的单元格

核心实现思路 #

构建一个与df1索引、列结构完全一致的新DataFrame，默认所有单元格为0，仅保留df2中值为1的单元格对应位置的取值，完全忽略df1的实际数据。以下是两种简洁的实现方式：

方法1：全0初始化 + 精准位置更新 #

先创建和df1结构匹配的全0DataFrame，再将df2中值为1的部分填充到对应位置：

import pandas as pd

# 创建与df1索引、列一致的全0DataFrame
result = pd.DataFrame(0, index=df1.index, columns=df1.columns)
# 仅保留df2中值为1的内容，填充到result对应位置
result.loc[df2.index, df2.columns] = df2.where(df2 == 1, 0)

# 验证是否符合预期
print(result.equals(expected_output))  # 输出 True

方法2：过滤后重新索引 #

先过滤df2仅保留值为1的单元格（其余设为0），再将其索引对齐到df1的索引，空缺位置填充0：

# 过滤df2值为1的内容，重新索引到df1的结构并补0
result = df2.where(df2 == 1, 0).reindex(df1.index, fill_value=0)

# 验证是否符合预期
print(result.equals(expected_output))  # 输出 True

适配题目假设说明 #

基于题目给出的前提条件：

• df1与df2列名完全一致
• df2的索引是df1索引的子集
• 两个DataFrame的取值仅为0或1
  上述两种方法都能稳定生成符合要求的结果。

内容的提问来源于stack exchange，提问作者Noorulain Islam