如何在Python中基于两个关联数据集的条件创建第三个数据集？

看起来你是想从df里挑出那些在fp中FP字段为'fp'的对应行，只保留ID、P1、P2这三列对吧？你之前用np.where的写法确实有问题，咱们来一步步解决这个问题。

首先先明确你的原始数据：

import pandas as pd

df = pd.DataFrame(columns=['ID','P1','P2'], data=[[1, 2, 0], [2,1,0], [3, 1, 2], [4, 2, 1], [5, 1, 2], [6, 0, 1], [7, 1, 0]])
fp = pd.DataFrame(columns=['ID','FP'], data=[[1, 'fp'], [2,'i'], [3, 'i'], [4, 'fp'], [5, 'fp'], [6, 'fp'], [7, 'i']])

方法1：合并DataFrame后筛选 #

这是最直观的方式，先把两个表按ID关联起来，再筛选出FP为'fp'的行，最后保留你需要的列：

# 按ID合并两个表
merged_data = pd.merge(df, fp, on='ID')
# 筛选FP为'fp'的行，只保留指定列
df2 = merged_data[merged_data['FP'] == 'fp'][['ID', 'P1', 'P2']]

方法2：先提取符合条件的ID再筛选 #

如果你的数据量比较大，这种方法效率会更高——先从fp里把FP为'fp'的ID提取出来，再用这个ID列表去df里过滤：

# 提取所有FP为'fp'的ID
target_ids = fp[fp['FP'] == 'fp']['ID'].tolist()
# 在df中筛选ID在目标列表里的行
df2 = df[df['ID'].isin(target_ids)]

为什么你之前的代码不行？ #

你写的np.where((df['ID']==fp['ID'])&fp['FP']=='fp')有两个问题：

• 语法错误：你少了一个闭合的括号，正确的语法应该是np.where((df['ID']==fp['ID']) & (fp['FP']=='fp'))
• 逻辑问题：np.where在这里不适合做关联筛选——如果两个DataFrame的行顺序不一致，df['ID']==fp['ID']的逐行比较会完全出错；而且np.where返回的是满足条件的索引位置，不是直接生成你需要的DataFrame。

用上面两种方法都能得到你想要的结果，运行后df2的输出应该是：

ID  P1  P2
0   1   2   0
1   4   2   1
2   5   1   2
3   6   0   1

内容的提问来源于stack exchange，提问作者Song Mei