删除DataFrame中不在另一DataFrame的行时遇‘not found in axis’错误求助

错误原因分析 #

• 参数顺序搞反：np.setdiff1d的第一个参数应该是大DF的索引，第二个是小DF的索引，你写反了顺序。
• 错误取数：你用了df_rnaseq_dropped.values，这是获取整个DataFrame的所有数值（二维数组），而不是索引，导致生成的uncommon_indices根本不是大DF的索引值，所以执行drop时找不到对应行，触发not found in axis错误。
• 无效赋值：inplace=True时，drop不会返回新对象，wanted会变成None，这是没必要的赋值操作。

正确解决方法 #

方法1：用loc直接筛选（最简洁高效） #

直接保留大DF中索引存在于小DF索引中的行：

# 筛选大DF中索引在小DF索引里的行
df_rnaseq_dropped = df_rnaseq_dropped.loc[df_patient_info_train.index]

如果担心小DF的索引里有大DF不存在的项，可以先取交集避免报错：

# 先取两个索引的交集，再筛选
common_index = df_rnaseq_dropped.index.intersection(df_patient_info_train.index)
df_rnaseq_dropped = df_rnaseq_dropped.loc[common_index]

方法2：修正你原来的numpy思路 #

先正确找出大DF中不在小DF里的索引，再删除：

import numpy as np

# 找出大DF索引中不在小DF索引里的元素
uncommon_indices = np.setdiff1d(df_rnaseq_dropped.index, df_patient_info_train.index)
# 删除这些行（二选一：原地修改或赋值新对象）
df_rnaseq_dropped.drop(uncommon_indices, axis=0, inplace=True)
# 或者：
# df_rnaseq_dropped = df_rnaseq_dropped.drop(uncommon_indices, axis=0)

方法3：用pandas的index.difference直接获取待删除索引 #

# 获取大DF中不在小DF里的索引
to_drop = df_rnaseq_dropped.index.difference(df_patient_info_train.index)
# 删除行
df_rnaseq_dropped = df_rnaseq_dropped.drop(to_drop)

内容的提问来源于stack exchange，提问作者May