Python Pandas中两个数据框架的交集

在Pandas中，有几种方法可以计算两个DataFrame对象的交集。

方法一：使用merge()函数

merge()函数是将两个DataFrame对象结合在一起的函数，它可以根据指定的列将两个DataFrame对象合并在一起。

示例：

import pandas as pd

# 创建df1和df2 DataFrame
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 
                    'B': ['B0', 'B1', 'B2', 'B3'], 
                    'C': ['C0', 'C1', 'C2', 'C3'], 
                    'D': ['D0', 'D1', 'D2', 'D3']})
df2 = pd.DataFrame({'A': ['A2', 'A3', 'A4', 'A5'],
                    'B': ['B2', 'B3', 'B4', 'B5'],
                    'C': ['C2', 'C3', 'C4', 'C5'],
                    'E': ['E2', 'E3', 'E4', 'E5']})

# 使用merge()函数合并,指定on参数代表“以什么作为索引”，默认为None，即使用公共列名作为连接键
df = pd.merge(df1, df2, on=['A', 'B', 'C'], how='inner')

print(df)

上述代码中，将df1和df2的交集返回至新的DataFrame对象df中，使用on参数指定连接键，然后使用how参数指定inner来计算交集。在返回的DataFrame中，保留了所有在df1和df2中的行，只保留在df1和df2中具有相同的值的行。

输出：

    A   B   C   D   E
0  A2  B2  C2  D2  E2
1  A3  B3  C3  D3  E3

方法二：使用merge()函数和Index

也可以使用merge()函数和Index来计算DataFrame对象之间的交集。使用Index可以让我们更灵活地控制连接键。

示例：

import pandas as pd

# 创建df1和df2 DataFrame
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 
                    'B': ['B0', 'B1', 'B2', 'B3'], 
                    'C': ['C0', 'C1', 'C2', 'C3'], 
                    'D': ['D0', 'D1', 'D2', 'D3']})
df2 = pd.DataFrame({'A': ['A2', 'A3', 'A4', 'A5'],
                    'B': ['B2', 'B3', 'B4', 'B5'],
                    'C': ['C2', 'C3', 'C4', 'C5'],
                    'E': ['E2', 'E3', 'E4', 'E5']})

# 设置连接键，用于将DataFrame对象合并在一起
merged = pd.merge(df1, df2, left_index=True, right_index=True, how='inner')

print(merged)

上述代码中，我们将df1和df2的索引作为连接键(left_index和right_index)，将其合并在一起，之后使用how='inner'来计算它们之间的交集。

输出：

    A_x B_x C_x D_x A_y B_y C_y D_y
2    A2  B2  C2  D2  A2  B2  C2  D2
3    A3  B3  C3  D3  A3  B3  C3  D3

注：如果想要在输出中只保留一个列名，可以在merge()函数中使用suffixes参数。

以上就是Pandas中计算DataFrame对象交集的完整攻略。使用合适的方法和连接键，可以在少数代码行中完成相对较复杂的操作。