如何在Pandas中基于ProcessID索引比较DataFrame并删除不匹配行？

嘿，作为Pandas新手遇到这种带重复索引的DataFrame匹配问题太正常啦！先帮你理清楚核心需求：我们要保留两个DataFrame里ProcessID索引互相存在的行，删掉两边独有的那些。结合你的数据情况（df1有200行、df2有250行，都有重复的ProcessID索引），给你两种好用的方法：

方法一：用merge做内连接（最直观的匹配方式） #

Pandas的merge函数专门用来处理DataFrame的关联匹配，内连接（how='inner'）会自动只保留两边都存在的ProcessID对应的行，连重复的匹配项也会完整保留，完全适配你的场景。

代码示例： #

# 如果你想得到一个合并了两表数据的新DataFrame：
combined_df = df1.merge(df2, left_index=True, right_index=True, how='inner')

# 要是你只想分别保留原df1和df2的独立结构（比如df1不需要df2的Day/Time/Status列），可以这么做：
# 先找出两个索引的交集（包含重复的ProcessID）
common_ids = df1.index.intersection(df2.index)
# 筛选df1中属于交集的行
filtered_df1 = df1.loc[common_ids]
# 筛选df2中属于交集的行
filtered_df2 = df2.loc[common_ids]

比如你的示例数据里，df1和df2都有两个500的索引，筛选后这两行都会被保留，不会因为重复被丢掉～

方法二：用isin直接筛选（更简洁的写法） #

如果你偏爱直接用索引做筛选判断，isin方法可以快速帮你找出匹配的行：

代码示例： #

# 把df1中索引存在于df2索引里的行挑出来
filtered_df1 = df1[df1.index.isin(df2.index)]
# 同理处理df2
filtered_df2 = df2[df2.index.isin(df1.index)]

这个写法更短，效果和方法一完全一样，同样会保留所有重复的匹配项，非常适合快速处理。

验证一下结果 #

你可以打印出来看看筛选后的效果，比如：

print("筛选后的df1：")
print(filtered_df1)
print("\n筛选后的df2：")
print(filtered_df2)

用你的示例数据测试的话，两个DataFrame都会保留248、436、500、500对应的行，完全符合你的要求哦～

内容的提问来源于stack exchange，提问作者Jithesh Erancheri