如何在Pandas中根据不同DataFrame列值相等筛选数据？

问题原因 #

你写的df1.A == df2.B是在逐行对比两个Series的值，Pandas要求这种对比必须是索引完全一致的Series才能执行，所以抛出了ValueError。但你的实际需求是筛选df1里A列的值在df2的B列中出现过的行，显然不该用逐行对比的逻辑。

最优解决方法 #

1. 先筛选出所有符合条件的行

用isin()方法直接判断df1.A的每个值是否在df2.B的集合里，这是Pandas处理这类需求的标准写法，不用改列名：

df_filtered = df1[df1['A'].isin(df2['B'])]

运行后得到的结果是所有A列值在df2.B中存在的行：

A
0  apple
1   pear
2  orange
3  apple

2. 匹配你的示例输出（去重保留首次出现）

如果要和你给出的示例输出完全一致（每个唯一值只保留第一行），在上面的基础上加上drop_duplicates()：

df_filtered = df1[df1['A'].isin(df2['B'])].drop_duplicates(subset='A', keep='first')

执行后就得到你想要的结果：

A
0  apple
2  orange

补充说明 #

• isin()的效率很高，适合处理大数据量的情况；
• drop_duplicates()的参数可以调整：keep='last'会保留每个值的最后一行，keep=False会删除所有重复的行；
• 全程不需要修改任何列名，完全满足你的要求。

内容的提问来源于stack exchange，提问作者geds133