比较两列中的两个数据场并获得差异

Posted 2023-02-23

【中文标题】比较两列中的两个数据场并获得差异

【英文标题】：Compare two datafarmes in two columns and get the difference

【发布时间】：2022-01-22 03:30:18

【问题描述】：

假设我有一个像这样的数据框：

df1:
     col1          col2
0    data1         math
1    data1         math2
2    data2         math
3    data3         math
4    data4         math2

df2:
     col1          col2
0    data1         math
1    data1         math2
2    data1         math3
3    data2         math2
4    data3         math
5    data4         math2
6    data4         math3

如何根据 col1 和 col2 比较这两个数据帧并获得差异（删除与 df1 匹配的所有行）并拥有这样的数据帧：

     col1          col2
0    data1         math3
1    data2         math2
2    data4         math3

我试过这个，但它不起作用：

df3 = df2[~(df2['col2'].isin(df1['col2']))].reset_index(drop=True)

【参考方案1】：

您可以与indicator=True 执行合并，并只保留right_only 行：

(df1.merge(df2, on=['col1', 'col2'], how='outer', indicator=True)
    .query('_merge == "right_only"')
    .drop(columns='_merge').reset_index(drop=True)
)

输出：

    col1   col2
0  data1  math3
1  data2  math2
2  data4  math3

【参考方案2】：

您的解决方案应该通过比较 MultiIndex 或元组来更改：

df3 = df2[~df2.set_index(['col1','col2']).index.isin(df1.set_index(['col1','col2']).index)].reset_index(drop=True)

df3 = df2[~df2[['col1','col2']].apply(tuple, 1).isin(df1[['col1','col2']].apply(tuple, 1))].reset_index(drop=True)