pandas 用a表的一列数据筛选b表

可以使用 pandas 的 merge 函数将两个表按照某个列进行合并，然后再用筛选函数过滤数据。

例如，假设有两个表 a 和 b，其中 a 表的列名为 column_a，b 表的列名为 column_b，要筛选出 b 表中 column_b 列的值在 a 表 column_a 列中出现过的数据，可以按照以下步骤进行：

1. 使用 merge 函数将 a 表和 b 表按照 column_a 列进行合并，并指定合并方式为 inner，表示只保留两个表中都存在的数据：

merged_data = pd.merge(a, b, left_on='column_a', right_on='column_b', how='inner')

2. 对合并后的数据进行筛选，只保留 b 表中 column_b 列的值在 a 表 column_a 列中出现过的数据：

filtered_data = merged_data[merged_data['column_b'].isin(a['column_a'])]

这样，filtered_data 就是筛选后的结果。

相关问题

pandas 使用a表的一列数据筛选b表的数据，显示b表的c列

可以使用 pandas 的 merge 函数将两个表连接起来，然后再根据 a 表的一列数据筛选 b 表的数据，并显示 b 表的 c 列。示例代码如下：

import pandas as pd

# 创建 a 表和 b 表
a = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'value': [1, 2, 3, 4]})
b = pd.DataFrame({'key': ['A', 'B', 'C', 'D'], 'c': ['a', 'b', 'c', 'd']})

# 使用 merge 函数将 a 表和 b 表连接起来
merged = pd.merge(a, b, on='key')

# 根据 a 表的一列数据筛选 b 表的数据，并显示 b 表的 c 列
selected = merged.loc[merged['value'] > 2, 'c']
print(selected)

运行结果如下：

2    c
3    d
Name: c, dtype: object

以上代码中，我们首先创建了 a 表和 b 表，然后使用 merge 函数将两个表连接起来。连接的列是 key 列，因为它们在两个表中都存在。

接着，我们根据 a 表的 value 列进行筛选，只保留值大于 2 的行，并显示 b 表的 c 列。最后，我们得到了根据 a 表的一列数据筛选 b 表的数据，并显示 b 表的 c 列的结果。

pandas 用a表的数据 筛选b表的一列

可以用 Pandas 中的 merge() 函数来实现。

假设 a 表的数据如下：

   id  name  age
0   1   Tom   20
1   2  John   22
2   3  Alex   21

b 表的数据如下：

   id  gender
0   1    male
1   2  female
2   3    male

我们要筛选 b 表的 gender 列，其中 id 列与 a 表的 id 列对应。可以使用如下代码实现：

import pandas as pd

a = pd.DataFrame({
    'id': [1, 2, 3],
    'name': ['Tom', 'John', 'Alex'],
    'age': [20, 22, 21]
})

b = pd.DataFrame({
    'id': [1, 2, 3],
    'gender': ['male', 'female', 'male']
})

result = pd.merge(a, b[['id', 'gender']], on='id', how='left')
print(result)

输出结果为：

   id  name  age  gender
0   1   Tom   20    male
1   2  John   22  female
2   3  Alex   21    male

其中 on 参数指定连接的键，how 参数指定连接方式，left 表示以 a 表为基准，保留 a 表的所有行。b[['id', 'gender']] 表示选取 b 表的 id 和 gender 两列。最后将结果保存在 result 变量中。