Python新手求助：如何通过过滤实现DataFrame基于emp#和sku的匹配

嘿，作为Python入门用户，这个需求其实挺常见的，我来给你分享两种不会产生多余列的过滤方式，完美替代有冗余的内连接操作～

方法一：元组集合+逐行匹配（适合中小型数据集） #

我们可以把Df2里需要匹配的emp#和sku字段组合成元组的集合，然后检查Df1每行的这两个字段是否在这个集合里，就能精准过滤出符合条件的行：

# 先把Df2的emp#和sku转换成元组集合，方便快速查找
filter_pairs = set(zip(Df2['emp#'], Df2['sku']))

# 过滤Df1：只保留emp#和sku同时匹配的行
filtered_df1 = Df1[Df1.apply(lambda row: (row['emp#'], row['sku']) in filter_pairs, axis=1)]

这个方法逻辑很直观，就是逐行检查两个字段的组合是否存在于Df2的匹配对中，适合数据量不大的场景。

方法二：优化版内连接（大数据集首选） #

其实你提到的内连接并不是一定会产生多余列——我们可以只拿Df2里的emp#和sku这两个关键列来做连接，这样连接后的结果就只有Df1的原始列，完全没有冗余：

# 只取Df2的匹配字段进行内连接，结果自动保留Df1的所有列
filtered_df1 = Df1.merge(Df2[['emp#', 'sku']], on=['emp#', 'sku'], how='inner')

这个方法的优势在于速度快，因为pandas的merge是矢量化操作，比逐行的apply效率高很多，尤其是当你的数据集有几万甚至几十万行的时候，这个方法的优势会特别明显。

如果还有疑问的话，可以试试用小样本数据跑一遍这两种方法，就能看到效果啦～

内容的提问来源于stack exchange，提问作者aiden rosenblatt