从2只熊猫数据中过滤元素

Question

我有两个数据代表股票价格随着时间的推移和股票相关的信息，随着时间的推移(例如，基本数据的公司)。

这两种数据都包含月数据，但是它们跨越不同的时间跨度。一个是5年，另一个是10年。而且，两者没有相同数量的股票，只有80%的重叠。

下面是数据文件的一个示例：

days1 = pd.date_range(start='1/1/1980', end='7/1/1980', freq='M')

df1   = pd.DataFrame(np.random.randn(6, 4), columns=list('ABCD'),index=days1)

days2 = pd.date_range(start='1/1/1980', end='5/1/1980', freq='M')

df2   = pd.DataFrame(np.random.randn(4, 6), columns=list('ABCDEF'),index=days2)

我的目标是将两个数据减少到内部接口。也就是说，两者都涵盖相同的时间段和包含相同的股票。我的索引包含日期，列名是股票名。

我尝试过merge()等的多种变体，但是那些重新创建了合并的数据格式，我想保留这两个数据格式。我也尝试过isin()，但是我很难访问每个数据的索引。例如：

df3=df1[df1.isin(df2)].dropna()

有人有什么建议吗？

Answer 1

对于列的交集：

column_intersection = df1.columns & df2.columns

对于行交叉口：

row_intersection = df1.index & df2.index

然后只对每个dataframe进行子集：

df1 = df1.loc[row_intersection, column_intersection]
df2 = df2.loc[row_intersection, column_intersection]