基于Pandas实现DataFrame索引匹配生成mask列的需求与示例

嘿，这个需求用Pandas的内置方法就能轻松实现，代码简洁还高效。我直接给你上可运行的方案，再拆解下逻辑：

完整实现代码 #

import pandas as pd

# 初始化你提供的示例数据
data1 = {'key':['a','b','c','d','e','f','g'], 'profit':[12,3,4,5,6,7,9]}
df1 = pd.DataFrame(data1)
data2= {'key':['a','b','c'], 'profit':[12,3,4]}
df2 = pd.DataFrame(data2)

# 核心逻辑：生成mask列
df1['mask'] = df1.index.isin(df2.index).astype(int)

# 输出结果，和你预期的df3完全一致
print(df1)

逻辑拆解 #

• 第一步：判断索引存在性：df1.index.isin(df2.index)会返回一个布尔类型的Series，每个元素对应df1的索引是否存在于df2的索引中——存在就返回True，不存在返回False。
• 第二步：转成整数格式：.astype(int)把布尔值转换成整数，True会变成1，False变成0，刚好符合你需要的mask列规则。

额外补充：如果是基于key列而非索引的情况 #

看你的示例数据，key列的内容和索引的匹配结果一致，如果你实际需求是判断key值是否存在于df2的key列中，只需要把代码改成：

df1['mask'] = df1['key'].isin(df2['key']).astype(int)

同样能得到你想要的结果。

内容的提问来源于stack exchange，提问作者Todd