熊猫:用另一个数据帧的多个同时列值过滤一个数据帧

使用 DataFrame.reset_index 为了避免损失指数 DataFrame.merge :

result = example_df.reset_index().merge(other_df, on=['Test','A'])
print (result)
   index    Test  A
0      0  Test_1  1
1      1  Test_1  2
2      6  Test_3  1
3      8  Test_3  3

result = (example_df.reset_index()
                    .merge(other_df, on=['Test','A'])
                    .set_index('index')
                    .rename_axis(None))
print (result)
     Test  A
0  Test_1  1
1  Test_1  2
6  Test_3  1
8  Test_3  3

另一个关于 MultiIndex 具有 Index.isin 然后过滤进来 boolean indexing :

result = example_df[example_df.set_index(['Test','A']).index
                              .isin(other_df.set_index(['Test','A']).index)]
print (result)
     Test  A
0  Test_1  1
1  Test_1  2
6  Test_3  1
8  Test_3  3

@耶斯雷尔的解决方案绝对适合你的问题。这只是使用numpy获得相同结果的另一种方法(有点复杂)。

我们可以过滤 example_df 直接使用一个布尔数组,我们可以通过检查 示例_df 存在 other_df .要做到这一点,我们需要 示例_df 一个3D阵列,并使用numpy广播与 其他 .然后使用 all 和 any 将其缩小到1D阵列 msk :

msk = (example_df.to_numpy()[:, None]==other_df.to_numpy()).all(axis=2).any(axis=1)
out = example_df[msk]

输出:

     Test  A
0  Test_1  1
1  Test_1  2
6  Test_3  1
8  Test_3  3