如何筛选DataFrame中与指定Series共有的行？

嘿，我来帮你搞定这个筛选需求！要从现有DataFrame（df）里生成包含和指定Series共有行的新DataFrame（df1），用Pandas的话其实很简单，给你两种常用的方案：

方案1：基于指定列匹配（最常用） #

如果你的需求是匹配df中某一列的值和目标Series的内容，直接用isin()方法就能快速实现：

import pandas as pd

# 假设你的目标Series叫target_series，要匹配df中的'key_column'列
df1 = df[df['key_column'].isin(target_series)]

• 原理：df['key_column'].isin(target_series)会返回一个布尔Series，标记每一行的指定列值是否存在于目标Series中，用这个布尔结果索引df，就能直接得到筛选后的df1。

方案2：基于整行内容匹配 #

如果需要匹配整行数据和Series的对应关系（比如Series的索引对应df的列，值对应df的行内容），可以先把Series转为DataFrame，再用内连接merge实现：

import pandas as pd

# 将目标Series转为DataFrame，设置列名和df对应列一致
series_df = target_series.to_frame(name='key_column')
# 内连接筛选出两者共有的行
df1 = pd.merge(df, series_df, on='key_column', how='inner')

• 原理：内连接（how='inner'）只会保留两个DataFrame中匹配成功的行，刚好满足“共有行”的筛选需求。

额外提示 #

• 如果需要匹配多列的共同值，可以把多个Series组合成一个临时DataFrame，再用merge方法指定多个连接键；
• 要是你需要匹配的是df的索引和Series的值，只需要把代码里的列名换成df.index即可：df1 = df[df.index.isin(target_series)]。

内容的提问来源于stack exchange，提问作者Tie_24