如何找到多个 pandas 数据框中一对列与任意顺序对的交集？

我有多个 pandas 数据框，为了简单起见，假设我有三个。

   >> df1=
       col1  col2
   id1  A     B  
   id2  C     D  
   id3  B     A  
   id4  E     F  


    >> df2=
       col1  col2
   id1  B     A  
   id2  D     C  
   id3  M     N  
   id4  F     E  

    >> df3=
       col1  col2
   id1  A     B  
   id2  D     C  
   id3  N     M  
   id4  E     F  

需要的结果是：

    >> df=
       col1  col2
   id1  A     B
   id2  C     D
   id3  E     F

因为（A，B），（C，D），（E，F）对出现在所有数据帧中，尽管它可能颠倒。

使用 pandas merge 时，它​​只考虑列的传递方式。为了检查我的观察结果，我对两个数据框尝试了以下代码：

df1['reverse_1'] = (df1.col1+df1.col2).isin(df2.col1 + df2.col2)

df1['reverse_2'] = (df1.col1+df1.col2).isin(df2.col2 + df2.col1)

我发现结果有所不同：

col1    col2    reverse_1   reverse_2
 a        b       False      True
 c        d       False      True
 b        a       True       False
 e        f       False      True

因此，如果我从reverse_1和reverse_2列收集“True”值，我可以获得两个数据帧的交集。即使我对两个数据帧执行此操作，我也不清楚如何继续处理更多数据帧（超过两个）。我对此有点困惑。有什么建议么？

您可以创建以下列表DataFrames 并在列表理解中对每行进行排序并删除重复项：

dfs = [df1,df2,df3]

L = [pd.DataFrame(np.sort(x.values, axis=1), columns=x.columns).drop_duplicates() 
     for x in dfs]
print (L)
[  col1 col2
0    A    B
1    C    D
3    E    F,   col1 col2
0    A    B
1    C    D
2    M    N
3    E    F,   col1 col2
0    A    B
1    C    D
2    M    N
3    E    F]

进而merge list of DataFrames https://stackoverflow.com/a/30512931按所有列（无参数on):

from functools import reduce
df = reduce(lambda left,right: pd.merge(left,right), L)
print (df)
  col1 col2
0    A    B
1    C    D
2    E    F

@pygo 的另一个解决方案：

Create index by frozensets 并通过以下方式连接在一起concat http://pandas.pydata.org/pandas-docs/stable/generated/pandas.concat.html with innerjoin，最后按索引删除重复项duplicated http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Index.duplicated.html with boolean indexing http://pandas.pydata.org/pandas-docs/stable/indexing.html#boolean-indexing and iloc http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.iloc.html获取前 2 列：

df = pd.concat([x.set_index(x.apply(frozenset, axis=1)) for x in dfs], axis=1, join='inner')
df = df.iloc[~df.index.duplicated(), :2]
print (df)
       col1 col2
(B, A)    A    B
(C, D)    C    D
(F, E)    E    F