Pandas：基于另一个Series的值筛选DataFrame行

嘿，这个需求其实很常见，我给你几种简洁的实现方式，都能精准筛选出每个ID对应指定Fruit的行：

首先先把你的示例数据用代码还原出来，方便测试：

import pandas as pd

# 原始DataFrame
df = pd.DataFrame({
    'id': [1, 1, 2, 2, 3, 3, 3],
    'fruit': ['apple', 'kiwi', 'melon', 'kiwi', 'mango', 'melon', 'mango']
})

# 匹配用的Series（这里我们把它处理成以id为索引的形式，方便后续匹配）
match_series = pd.Series(
    ['apple', 'kiwi', 'mango'],
    index=[1, 2, 3],
    name='fruit'
)

方法1：用map匹配预期值（最简洁高效） #

这种方法利用map函数根据ID从Series中取出对应的目标Fruit，然后和原DataFrame的Fruit列做对比，只保留相等的行：

df_filtered = df[df['fruit'] == df['id'].map(match_series)]

方法2：通过合并（merge）筛选 #

把匹配用的Series转换成DataFrame，然后和原DataFrame做内连接，自动只保留ID和Fruit都匹配的行：

# 将Series转为带id列的DataFrame
match_df = match_series.reset_index().rename(columns={'index': 'id'})
# 内连接筛选
df_filtered = pd.merge(df, match_df, on=['id', 'fruit'], how='inner')

方法3：分组后逐组筛选（逻辑直观） #

如果你想更清晰地看到每个分组的筛选过程，可以用groupby分组后，对每个ID组单独筛选符合目标Fruit的行：

def filter_single_group(group):
    # group.name就是当前组的ID值
    target_fruit = match_series.loc[group.name]
    return group[group['fruit'] == target_fruit]

df_filtered = df.groupby('id').apply(filter_single_group).reset_index(drop=True)

最终筛选结果 #

不管用哪种方法，最终得到的df_filtered都会是：

id   fruit
0   1   apple
1   2    kiwi
2   3   mango
3   3   mango

内容的提问来源于stack exchange，提问作者Jake Lee