n个DataFrame基于指定列的行交集筛选合并需求问询

嘿，这个需求我熟！咱们要做的就是基于指定列（Column C）取多个DataFrame的行交集——也就是只保留那些Column C的值在所有输入DF里都存在的行，像19.0、26.0、27.50这种只在部分DF里出现的值对应的行，直接过滤掉。我给你整理了清晰的实现思路和可复现代码，一看就懂！

1. 先准备示例数据 #

假设我们有3个DataFrame，先创建模拟数据方便测试：

import pandas as pd

# 创建3个示例DataFrame
df1 = pd.DataFrame({
    'Column A': ['a1', 'a2', 'a3', 'a4'],
    'Column B': ['b1', 'b2', 'b3', 'b4'],
    'Column C': [10.0, 19.0, 25.0, 27.5]
})

df2 = pd.DataFrame({
    'Column A': ['a5', 'a6', 'a7', 'a8'],
    'Column B': ['b5', 'b6', 'b7', 'b8'],
    'Column C': [10.0, 25.0, 26.0, 30.0]
})

df3 = pd.DataFrame({
    'Column A': ['a9', 'a10', 'a11', 'a12'],
    'Column B': ['b9', 'b10', 'b11', 'b12'],
    'Column C': [10.0, 25.0, 30.0, 35.0]
})

2. 找出所有DF中Column C的共同值 #

核心是先拿到在所有DataFrame的Column C里都出现的值集合，这样后续才能用这个集合去筛选行：

# 通用写法，不管n是多少都能用
dfs = [df1, df2, df3]
# 先取第一个DF的Column C值作为初始集合
common_c_values = set(dfs[0]['Column C'])
# 依次和剩下的DF的Column C取交集
for df in dfs[1:]:
    common_c_values.intersection_update(df['Column C'])

运行后common_c_values会是{10.0, 25.0}——这就是所有DF共有的Column C值。

3. 筛选并合并得到最终DataFrame #

接下来用这个共同值集合，筛选每个DF中符合条件的行，最后合并成一个新的DF：

# 筛选每个DF中Column C在共同值里的行，然后合并
final_df = pd.concat([df[df['Column C'].isin(common_c_values)] for df in dfs], ignore_index=True)

这样得到的final_df里，就只有Column C为10.0和25.0的行，完全符合你的需求！

可选：按Column C对齐合并列 #

如果你需要的不是合并行，而是把各个DF中相同Column C值的列对齐合并（比如把相同C值的不同列数据放在一行），可以用内连接的方式：

# 按Column C做三次内连接，得到对齐后的结果
final_merged_df = df1.merge(df2, on='Column C', how='inner').merge(df3, on='Column C', how='inner')

这个结果会把三个DF的列按Column C合并，列名会自动加上后缀区分不同DF的列。

内容的提问来源于stack exchange，提问作者Ivan