Trouver l'intersection entre deux séries dans Pandas

Question

J'ai deux séries s1 y s2 dans pandas et souhaite calculer l'intersection, c'est-à-dire l'endroit où toutes les valeurs de la série sont communes.

Comment utiliser le concat pour ce faire ? J'ai essayé de trouver une solution mais je n'y suis pas parvenu (je ne veux pas calculer l'intersection sur les indices de s1 y s2 mais sur les valeurs).

Answer 1

Placez les deux séries dans le fichier définir le conteneur puis utiliser la méthode de l'intersection des ensembles :

s1.intersection(s2)

et de revenir à la liste si nécessaire.

Je viens de remarquer la présence de pandas dans l'étiquette. On peut traduire à partir de là :

pd.Series(list(set(s1).intersection(set(s2))))

Suite aux commentaires, j'ai changé cette expression en une expression plus pythonique, plus courte et plus facile à lire :

Series(list(set(s1) & set(s2)))

devrait faire l'affaire, sauf si les données d'index sont également importantes pour vous.

J'ai ajouté le list(...) pour traduire l'ensemble avant d'aller dans pd.Series car pandas n'accepte pas un ensemble comme entrée directe pour une Series.

Answer 2

Mise en place :

s1 = pd.Series([4,5,6,20,42])
s2 = pd.Series([1,2,3,5,42])

Horaires :

%%timeit
pd.Series(list(set(s1).intersection(set(s2))))
10000 loops, best of 3: 57.7 µs per loop

%%timeit
pd.Series(np.intersect1d(s1,s2))
1000 loops, best of 3: 659 µs per loop

%%timeit
pd.Series(np.intersect1d(s1.values,s2.values))
10000 loops, best of 3: 64.7 µs per loop

La solution numpy peut donc être comparable à la solution set même pour les petites séries, si l'on utilise la fonction values explicitement.

Answer 3

Si vous utilisez Pandas, je suppose que vous utilisez également NumPy. Numpy dispose d'une fonction intersect1d qui fonctionnera avec une série de Pandas.

Ejemplo:

pd.Series(np.intersect1d(pd.Series([1,2,3,5,42]), pd.Series([4,5,6,20,42])))

renverra une série contenant les valeurs 5 et 42.

Answer 4

Python

s1 = pd.Series([4,5,6,20,42])
s2 = pd.Series([1,2,3,5,42])

s1[s1.isin(s2)]

R

s1  <- c(4,5,6,20,42)
s2 <- c(1,2,3,5,42)

s1[s1 %in% s2]

Editer : Ne gère pas les doublons.

Answer 5

On pourrait utiliser l'opérateur de fusion comme suit

pd.merge(df1, df2, how='inner')