在Pandas中选择两个DataFrame之间的唯一行

Question

我有两个数据框，A和B，它们的大小不一样。我想创建一个新的数据框C，这个数据框里只包含在A和B之间独特的行，也就是说，C里不应该有A和B中重复的行。我试着按照这个解决方案来做（根据列值排除Pandas数据框中的行，而不是索引值），但是没能成功。

这里有个例子：

假设DF_A是这样的：

    Star_ID         Loc_ID      pmRA        pmDE    Field     Jmag    Hmag  
 2M00000032+5737103  4264    0.000000    0.000000    N7789   10.905  10.635
 2M00000068+5710233  4264    8.000000    -18.000000  N7789   10.664  10.132
 2M00000222+5625359  4264    0.000000    0.000000    N7789   11.982  11.433
 2M00000818+5634264  4264    0.000000    0.000000    N7789   12.501  11.892
 2M00001242+5524391  4264    0.000000    -4.000000   N7789   12.091  11.482

而DF_B是这样的：

2M00000032+5737103  
2M00000068+5710233
2M00001242+5524391

在DF_A和DF_B中，前两行和最后一行的Star_ID是相同的。我想创建DF_C，使得：

DF_C：

        Star_ID         Loc_ID      pmRA        pmDE    Field     Jmag    Hmag
     2M00000222+5625359  4264    0.000000    0.000000    N7789   11.982  11.433
     2M00000818+5634264  4264    0.000000    0.000000    N7789   12.501  11.892

Answer 1

这个方法对我有效：

In [7]:

df1[~df1.Star_ID.isin(df2.Star_ID)]

Out[7]:

              Star_ID  Loc_ID  pmRA  pmDE  Field    Jmag    Hmag
2  2M00000222+5625359    4264     0     0  N7789  11.982  11.433
3  2M00000818+5634264    4264     0     0  N7789  12.501  11.892

[2 rows x 7 columns]

这里我们做的是创建一个布尔掩码，也就是一个条件判断，看看Star_ID的值在两个数据框中是否都存在。不过通过使用~，我们实际上是在反转这个条件，也就是取反。你链接的那个方法基本上是一样的，但我觉得你可能没有理解语法？

编辑

如果你想获取只在df1中的值和只在df2中的值，可以这样做：

unique_vals = df1[~df1.Star_ID.isin(df2.Star_ID)].append(df2[~df2.Star_ID.isin(df1.Star_ID)], ignore_index=True)

进一步编辑

问题出在csv文件里有多余的空格，这导致两个数据集中的所有值都是唯一的。要解决这个问题，你需要这样做：

df1.Apogee_ID = df1.Apogee_ID.str.lstrip()