cómo están?
Mi consulta es la siguiente: tengo dos DataFrames (df1 y df2), en ambos tengo clientes con sus respectivos códigos. Necesito reducir el df1 de modo que me queden solo los clientes que aparecen en el df2.
Lo que hice es, primero, creo una lista con todos los clientes que tengo en el df2:
lista_clientes_df2 = list(df2["CLIENTE"].value_counts().index)
Luego, hago un for loop para que, vaya comprobando si cada cliente del df1 está en el df2, de lo contrario, que elimine dicha fila del df1:
for i in range(len(df1)):
if (df1["Cliente"][i] in lista_clientes_df2) == False:
df1 = df1.drop([i], axis = 0)
El problema me surge ya que los df tienen aproximadamente 2 millones de filas cada uno, y el tiempo de procesamiento es muy extenso.
Una aclaración: el df1 tiene mas filas que el df2, ya que, además de tener mas clientes, los mismos aparecen repetidas veces (en el df1 las filas no son UN CLIENTE, sino que cada fila es UN PRODUCTO). No se si me explico.
¿Qué sugerencia me podrían dar para mejorar este código?
Muchas gracias desde ya!
Saludos
.isin
y tu filtro seria algo comodf1[df1['cliente'].isin(df2["CLIENTE"])]
, puede revisar esto stackoverflow.com/a/19960116/11539076