如何将数据框的两列与 pandas/python 合并（内部）？

Question

我有一个包含两列的数据框； A_ID 和 R_ID。

我想更新 R_ID 以仅包含也在 A_ID 中的值，其余的应该被删除（也是 NaN）。这些值应保持在相同的位置/索引。我知道这是一个内部连接，但我提出的解决方案遇到了几个问题。

例子：

import pandas as pd
data = {'A_ID': ['1E2', '1E3', '1E4', '1E5'], 'R_ID': ['1E7',[np.nan],[np.nan],"1E4",]}
df = pd.DataFrame(data)
print(df)

我试过了

df_A_ID = df[["A_ID"]]
df_R_ID = df[["R_ID"]]
new_df = pd.merge(df_A_ID, df_R_ID, how='inner', left_on='A_ID', right_on ='R_ID', right_index=True)

和

new_df = pd.concat([dataset_A_ID, dataset_R_ID],join="inner")

但是使用第一个选项我得到一个“你正在尝试合并对象和 int64 列”错误，即使两个列都是 d.types 对象，而第二个选项我得到一个空的 DataFrame。

我的预期输出将是与以前相同的数据框，但 R_ID 仅包含也在 A_ID 列中的值，位于相同的索引/位置：

data = {'A_ID': ['1E2', '1E3', '1E4', '1E5'], 'R_ID': [[np.nan],[np.nan],[np.nan],"1E4",]}
df = pd.DataFrame(data)
print(df)

Answer 1

如果Series.isin 比较的列没有匹配，则将NaN 设置为Series.where：

#solution working with scalar NaNs
data = {'A_ID': ['1E2', '1E3', '1E4', '1E5'], 'R_ID': ['1E7',np.nan,np.nan,"1E4",]}
df = pd.DataFrame(data)
print(df)
  A_ID R_ID
0  1E2  1E7
1  1E3  NaN
2  1E4  NaN
3  1E5  1E4

df['R_ID'] = df['R_ID'].where(df["R_ID"].isin(df["A_ID"]))
print(df)
  A_ID R_ID
0  1E2  NaN
1  1E3  NaN
2  1E4  NaN
3  1E5  1E4

或者：

df.loc[~df["R_ID"].isin(df["A_ID"]), 'R_ID'] = np.nan

Answer 2

使用isin:

df['R_ID'] = df['R_ID'].loc[df['R_ID'].isin(df['A_ID'])]

>>> df
  A_ID R_ID
0  1E2  NaN
1  1E3  NaN
2  1E4  NaN
3  1E5  1E4

Answer 3

它应该可以工作

df_A_ID = df[["A_ID"]].astype(dtype=pd.StringDtype())
df_R_ID = df[["R_ID"]].astype(dtype=pd.StringDtype()).reset_index()
temp_df = pd.merge(df_A_ID, df_R_ID, how='inner', left_on='A_ID', right_on ='R_ID').set_index('index')

df.loc[~(df_R_ID.isin(temp_df[['R_ID']])['R_ID']).fillna(False),'R_ID'] = [np.nan]

输出

  A_ID R_ID
0  1E2  NaN
1  1E3  NaN
2  1E4  1E4
3  1E5  NaN