如何操作一个数据帧中的索引并过滤另一个数据帧中的索引

Question

我开始学习熊猫，并停留在以下问题上：

我有两个大的DataFrames: df1=

ID                                 KRAS        ATM
TCGA-3C-AAAU-01A-11R-A41B-07       101         32
TCGA-3C-AALI-01A-11R-A41B-07       101         75
TCGA-3C-AALJ-01A-31R-A41B-07       102         65
TCGA-3C-ARLJ-01A-61R-A41B-07       87          54

df2=

ID                                 BRCA1        ATM
TCGA-A1-A0SP                       54           65
TCGA-3C-AALI                       191          8
TCGA-3C-AALJ                       37           68

ID是这两个df中的索引。首先，我希望在df1中将ID的名称减少到前10位(将TCGA-3C-AAAU-01A-11R-A41B-07转换为TCGA-3C-AAAU)。然后，我想从df1生成一个新的df，它的ID与df2中存在的ID相同。

df3应该如下所示：

 ID                                KRAS        ATM 
TCGA-3C-AALI                       101         75 
TCGA-3C-AALJ                       102         65

我尝试了不同的方法，但都失败了。对此有什么建议吗？

Answer 1

IIUC TCGA-3C-AAAU这包含12个字符:-)

df3=df1.assign(ID=df1.ID.str[:12]).loc[lambda x:x.ID.isin(df2.ID),:]
df3
Out[218]: 
             ID  KRAS  ATM
1  TCGA-3C-AALI   101   75
2  TCGA-3C-AALJ   102   65

Answer 2

以下是使用矢量化函数的一种方法：

# truncate to first 10 characters, or 12 including '-'
df1['ID'] = df1['ID'].str[:12]

# filter for IDs in df2
df3 = df1[df1['ID'].isin(df2['ID'])]

结果

             ID  KRAS  ATM
1  TCGA-3C-AALI   101   75
2  TCGA-3C-AALJ   102   65

说明

• 使用.str访问器将df1['ID']限制为前12个characters.
• Mask df1，以便仅包括在df2.

中找到的in