如何利用NumPy布尔数组筛选两个DataFrame的共同列名？

这问题我熟！你已经通过(df2.columns).isin(df1.columns)得到了判断列是否重叠的布尔数组，接下来只需要用这个数组直接索引你的Index对象，再转成列表就搞定了：

import pandas as pd
import numpy as np

a = [{'A': 3, 'B': 5, 'C': 3, 'D': 2},{'A': 2, 'B': 4, 'C': 3, 'D': 9}]
df1 = pd.DataFrame(a)
b = [{'F': 0, 'M': 4, 'B': 2, 'C': 8 },{'F': 2, 'M': 4, 'B': 3, 'C': 9}]
df2 = pd.DataFrame(b)

# 生成布尔数组
bool_mask = df2.columns.isin(df1.columns)
# 用布尔数组筛选Index，转成列表
common_columns = df2.columns[bool_mask].tolist()

print(common_columns)  # 输出: ['B', 'C']

为什么这样可行？ #

Pandas的Index对象支持布尔索引，和你平时筛选Series/DataFrame的逻辑完全一致——布尔数组中True对应的位置会被保留，False的位置会被过滤掉。最后调用.tolist()就能把筛选后的Index转换成普通的Python列表。

额外技巧：更简洁的替代方法 #

如果你不需要手动处理布尔数组，其实还有更直接的方式获取共同列名：

• 用集合交集：

  common_columns = list(set(df1.columns) & set(df2.columns))
  

• 用Pandas原生的intersection方法（推荐，因为会保留列的原始顺序）：

  common_columns = df1.columns.intersection(df2.columns).tolist()
  

内容的提问来源于stack exchange，提问作者cardamom