如何修改系列以匹配 Pandas 数据框的索引？答案

【问题标题】：How to modify a series to match indices of Pandas dataframe?如何修改系列以匹配 Pandas 数据框的索引？
【发布时间】：2022-01-10 00:10:01
【问题描述】：

考虑一个系列 y（dtype 是 float64），它有它的索引，例如

y = pd.Series((6.0, 1621.0, 4.6, 1479.9, 1520.0), index=(3608, 3652, 510, 941, 3007))

看起来像：

3608       6.000
3652    1621.000
510        4.600
941     1479.900
3007    1520.000
          ...   
dtype: float64 (length: 554)

有一个 Pandas 数据框 X，它有自己的索引和多个列，例如：

X = pd.DataFrame({'Col1':[1,2,3], 'Col2':[1,2,3]}, index=[510,3007,3652])

看起来像：

         Col1      Col2
510
3007
3652
... (dataframe length/count is 7)

我想修改系列y，以获得一个新系列，该系列基于数据帧索引排序并且具有与数据帧相同数量的样本（即来自y的7个索引匹配@987654331 @)。预计y 是：

510        4.600
3007    1520.000
3652    1621.000
          ...   
dtype: float64 (length: 7)

对此的任何帮助和建议将不胜感激。

【问题讨论】：

感谢您的评论@Chris。我试过了，但出现错误：“MergeError：没有要执行合并的公共列。合并选项：left_on=None、right_on=None、left_index=False、right_index=False”。谢谢
sorry 是join not merge x.join(y.rename('test'))

【解决方案1】：

你可以使用Index.intersection方法：

out = y[y.index.intersection(X.index)]

out = y[y.index.isin(X.index)]

过滤y 中也存在于X.index 中的索引。

如果保证X.index 是y.index 的子集，那么您也可以使用X.index 进行过滤：

out = y[X.index]

输出：

3652    1621.0
510        4.6
3007    1520.0
dtype: float64

【讨论】：

【解决方案2】：

根据问题，鉴于系列 y 未命名/无法直接与数据框列名称匹配，以下工作：-

通过将系列y 转换为带有to_frame() 的数据框，并按照@Chris（谢谢！）在问题评论中的建议使用X.merge() - 同时使用说明符以在其中一个上执行匹配索引，我们可以得到修改后的y

modified_y = X.merge(y.to_frame(), left_index=True, right_index=True)

y 是一个数据框，因此可以使用以下方法将其转换回系列形式：-

modified_y = pd.Series(y.iloc[:,0].values, index = y.index)

可能有更简单的替代方案，但这对我来说是有效的。

【讨论】：