如何基于另一个DataFrame的id和date值筛选df1的行

嘿，这个需求我经常碰到，给你整理了几种实用的解决办法，你可以根据自己的数据集大小和习惯来选：

这是我最常用的方式，利用pandas的内连接（inner join）特性，只保留两个DataFrame中id和date列完全匹配的行：

import pandas as pd

# 内连接，只保留id和date都匹配的行
result_df = pd.merge(df1, labels, on=['id', 'date'], how='inner')

如果不想保留labels里的其他列，还可以在merge后只取df1的列：

result_df = pd.merge(df1, labels[['id', 'date']], on=['id', 'date'], how='inner')

如果你的数据集特别大，逐行判断的效率可能不够，这种方法把id和date组合成唯一元组，用集合来快速匹配，速度会快很多：

# 先把labels中的id和date转成元组集合（集合查找是O(1)，比列表快）
matched_tuples = set(zip(labels['id'], labels['date']))

# 给df1生成id+date的元组列，然后筛选在集合里的行
df1['combined'] = df1[['id', 'date']].apply(tuple, axis=1)
result_df = df1[df1['combined'].isin(matched_tuples)].drop('combined', axis=1)

这种写法看起来简单，但有个关键问题：它会匹配id在labels里且date在labels里的行，但不一定是同一行对应的id和date组合，比如labels里有id=1对应date='2023-01-01'，id=2对应date='2023-01-02'，但这个方法会把df1中id=1且date='2023-01-02'的行也筛出来，这可能不是你要的结果。所以只有当你确定id和date是一一对应的时候再用：

# 注意：此方法可能匹配错误的组合，谨慎使用
result_df = df1[(df1['id'].isin(labels['id'])) & (df1['date'].isin(labels['date']))]

总结一下：优先用merge方法，代码简洁逻辑清晰；大数据集可以试试元组集合的方式；布尔索引只在特定场景下使用。

内容的提问来源于stack exchange，提问作者N08