根据另一个DataFrame中的行选择一个DataFrame中的行

Question

假设我有一个非常大的熊猫DataFrame dfBig具有Param1, Param2, ..., ParamN, score, step和一个较小的DataFrame dfSmall具有Param1, Param2, ..., ParamN （即缺少score和step列）。

我想选择dfBig所有行，以使其Param1, Param2, ..., ParamN列的值与Param1, Param2, ..., ParamN中某一行的值dfSmall 。 有没有在熊猫中这样做的干净方法？

编辑：举个例子，考虑一下这个DataFrame dfBig ：

Arch  | Layers | Score | Time
A     | 1      | 0.3   | 10
A     | 1      | 0.6   | 20
A     | 1      | 0.7   | 30
A     | 2      | 0.4   | 10
A     | 2      | 0.5   | 20
A     | 2      | 0.6   | 30
B     | 1      | 0.1   | 10
B     | 1      | 0.2   | 20
B     | 1      | 0.7   | 30
B     | 2      | 0.7   | 10
B     | 2      | 0.8   | 20
B     | 2      | 0.8   | 30

假设一个模型由一对(Arch, Layers) 。 我想查询dfBig并获取时间序列的时间dfBig ，以获取Arch A和Arch B表现最佳的模型。

按照EdChum在下面的回答，我认为最好的解决方案是按程序执行以下操作：

modelColumns = [col for col in dfBigCol if col not in ["Time", "Score"]]    
groupedBest = dfBig.groupby("Arch").Score.max()
dfSmall = pd.DataFrame(groupedBest).reset_index()[modelColumns]
dfBest = pd.merge(dfSmall, dfBig)

产生：

Arch  | Layers | Score | Time
A     | 1      | 0.3   | 10
A     | 1      | 0.6   | 20
A     | 1      | 0.7   | 30
B     | 2      | 0.7   | 10
B     | 2      | 0.8   | 20
B     | 2      | 0.8   | 30

如果有更好的方法可以做到这一点，我很高兴听到。

Answer 1

如果我正确理解了您的问题，您应该能够在dfBig上调用merge并传递dfSmall ，它将在对齐的列中查找匹配项并仅返回那些行。

例：

In [71]:

dfBig = pd.DataFrame({'a':np.arange(100), 'b':np.arange(100), 'c':np.arange(100)})
dfSmall = pd.DataFrame({'a':[3,4,5,6]})
dfBig.merge(dfSmall)
Out[71]:
   a  b  c
0  3  3  3
1  4  4  4
2  5  5  5
3  6  6  6