作为索引器提供的不可对齐的布尔系列

【问题标题】：Unalignable boolean Series provided as indexer作为索引器提供的不可对齐的布尔系列
【发布时间】：2021-04-20 04:32:46
【问题描述】：

我正在尝试将数据框过滤为：

a= a[~(b['var1'].isin(c['var2']))]

但得到以下错误：

"Unalignable boolean Series provided as "
pandas.core.indexing.IndexingError: Unalignable boolean Series provided as indexer (index of the boolean Series and of the indexed object do not match).

我理解以下声明：

print(~(b['var1'].isin(c['var2'])) [:10])

正在返回一个可能不可接受的布尔掩码系列。所以，我尝试使用 loc 作为：

a= a.loc[:, ~(b['var1'].isin(c['var2']))]

但我遇到了同样的错误。我在这里想念什么？任何意见将不胜感激。

谢谢

【问题讨论】：

a,b,c 是 3 个不同的 DataFrame？
是的，它们是三个不同的数据框

标签： python pandas filtering

【解决方案1】：

错误表示a和isin创建的掩码的索引不同，这意味着b的索引不同。

mask = ~(b['var1'].isin(c['var2']))

因此可能的解决方案是通过a.index 更改索引，对于不匹配的值添加Falses：

a[mask.reindex(a.index, fill_value=False)]

或者：

a[~(b['var1'].reindex(a.index, fill_value=False).isin(c['var2']))]

【讨论】：

工作得很好。而且是有道理的。我想知道将这段代码更直观地（在传统的数据处理意义上）编写为某种连接/合并可能会更好吗？
@flying_fluid_four - 是的，另一个想法是从a, b 像df = a.join(b['var1']) 一样创建新的数据帧，然后过滤a[~(df['var1'].isin(c['var2']))]
@flying_fluid_four - 但不必在c['var2'] 中丢失值，因为不同的b['var1'] 和df['var1'] 缺少不匹配索引的值。