比较两个数据帧并根据第一个df返回差异[重复]

Posted 2023-03-12

【中文标题】比较两个数据帧并根据第一个df返回差异[重复]

【英文标题】：Compare two dataframes and returns difference based on the first df [duplicate]

【发布时间】：2020-07-31 12:25:39

【问题描述】：

我有两个示例 dfs，如下所示：

df1
    Name    DOB
0   AMY     20100101
1   AMANDA  19990213
2   LEO     19920103
3   RIO     20200109
4   JEFF    20050314

df2
    Name    DOB
0   AMY     20100101
1   LEO     19920103
2   SEAN    19971123
3   BEN     20170119
4   SAM     20020615
5   YI      19930202
6   RICHAEE 19980919
7   MICHAEL 19920229

我想比较两个dfs，预期的结果如下：

Name      DOB
AMANDA    19990213
RIO       20200109
JEFF      20050314

我尝试使用左连接，但没有达到我的预期

df1=pd.DataFrame('Name':['AMY','AMANDA','LEO','RIO','JEFF'],
                  'DOB':['20100101','19990213','19920103','20200109','20050314'])

df2=pd.DataFrame('Name':['AMY','LEO','SEAN','BEN','SAM','YI','RICHAEEL','MICHAEL'],
                  'DOB':['20100101','19920103','19971123','20170119','20020615','19930202','19980919','19920229'])

pd.merge(df1, df2, on='Name', how='left')

谁能帮助我？谢谢！

【问题讨论】：

嗨，这很有趣，我想知道这是否会引起人们的兴趣***.com/questions/28901683/…

这也被称为“反加入”***.com/questions/38516664/anti-join-pandaspd.merge(df1, df2[['Name']], on='Name', how='left', indicator=True).loc[lambda df: df['_merge'] == 'left_only'].drop(columns='_merge')

使用df1[~df1['Name'].isin(df2['Name'])]

@mcskinner 谢谢。很高兴学习了反加入！您能否将解决方案发布到答案中，我可以接受吗？谢谢！

或pd.merge(df1, df2[['Name']], on='Name', how='left', indicator=True).loc[lambda x: x['_query']=='left_only'].drop(columns='_merge')

【参考方案1】：

这也称为“反连接”。

(pd.merge(df1, df2[['Name']], on='Name', how='left', indicator=True)
    .loc[lambda df: df['_merge'] == 'left_only']
    .drop(columns='_merge'))
#      Name       DOB
# 1  AMANDA  19990213
# 3     RIO  20200109
# 4    JEFF  20050314

【讨论】：

这是重复的 od pandas 合并 101，也不要在 cmets 中复制解决方案

@ansev OP 要求将我的评论翻译成他们的答案。我看到您稍后发布了相同的解决方案。我认为答案中有价值的部分是找到“anti join”的词汇帮助，否则这不容易找到。

实际上，如果您看一下，我的评论比您的评论早了几分钟。信不信由你，我独立想出了我的解决方案。

在这种特殊情况下，由于数据框的简单性，使用 series.isin 会快得多。除了 loc 和 drop 之外，使用 series.isin 进行布尔索引比使用诸如 merge 之类的复杂方法要快得多