如何基于外部列表筛选含重复ID的数据集？

当然可以实现，下面是用Python pandas库的解决方案，完美适配你带重复ID的数据集：

步骤1：导入依赖并构造数据集 #

如果你的数据存储在本地文件（比如CSV），或直接构造DataFrame：

import pandas as pd

# 构造原始数据集
data = {
    'ID': ['0001', '0001', '0002', '0002', '0002', '0003', '0003', '0005', '0005'],
    'Value': [0.3, 0.6, 0.7, 0.71, 0.43, 0.01, 0.2, 12, 11]
}
df = pd.DataFrame(data)

# 定义外部目标ID列表
target_ids = ['0001', '0002', '0005']

步骤2：执行筛选 #

使用isin()方法直接匹配，会保留所有符合条件的行（包括重复ID的记录）：

filtered_df = df[df['ID'].isin(target_ids)]

步骤3：查看结果 #

打印筛选后的数据集：

print(filtered_df)

输出结果与你期望的完全一致：

ID  Value
0  0001    0.3
1  0001    0.6
2  0002    0.7
3  0002    0.71
4  0002    0.43
7  0005   12.0
8  0005   11.0

关键注意事项 #

• 确保ID列是字符串类型：如果从CSV读取数据，要指定类型避免前导零丢失，比如：

  df = pd.read_csv('your_data.csv', dtype={'ID': str})
  

• 如果外部ID列表来自文件：可以直接读取后转为列表使用，比如：

  id_list_df = pd.read_csv('target_ids.csv', dtype={'ID': str})
  target_ids = id_list_df['ID'].tolist()
  

内容的提问来源于stack exchange，提问作者NewUsr