如何基于一个DataFrame的国家列表高效过滤另一个DataFrame？

现有两个DataFrame，需要对第二个DataFrame进行筛选，仅保留第一个DataFrame中存在的国家的数据。

第一个DataFrame（筛选后结果）：

country         pop continent  lifeExp    gdpPercap
0  Afghanistan  31889923.0      Asia   43.828   974.580338
1      Albania   3600523.0    Europe   76.423  5937.029526
2      Algeria  33333216.0    Africa   72.301  6223.367465

第二个DataFrame：

country         year         Production
Afghanistan    1980          20
Afghanistan    1981          10
Afghanistan    1983          5
Albania        1970         30
Albania        1980         40
Abisinia       1990          3
Algeria        1990         30
Angola          1980         2
Angola         1982         30

需求：筛选出第二个DataFrame中仅包含第一个DataFrame里存在的国家（即Afghanistan、Albania、Algeria）的数据，求最符合Python风格且高效的实现方式。

最符合Python风格且高效的实现方式是使用pandas的isin()方法，该方法底层基于哈希表实现，查询效率远高于循环遍历，尤其适合处理大规模数据集。

实现步骤： #

1. 从第一个DataFrame中提取所有存在的国家，生成唯一值集合（用unique()去重，避免重复值影响匹配效率）；
2. 调用第二个DataFrame的country列的isin()方法，筛选出符合条件的行。

代码示例： #

import pandas as pd

# 假设第一个DataFrame名为df1，第二个为df2
valid_countries = df1['country'].unique()
filtered_df2 = df2[df2['country'].isin(valid_countries)]

筛选后的结果： #

country         year         Production
Afghanistan    1980          20
Afghanistan    1981          10
Afghanistan    1983          5
Albania        1970         30
Albania        1980         40
Algeria        1990         30

补充说明： #

• 如果df1的country列本身无重复值，也可以直接用df1['country']代替df1['country'].unique()，但后者能减少isin()的匹配次数，效率略高；
• 该方法时间复杂度为O(n)，是pandas处理这类筛选场景的最优方案之一。

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