Pandas得到的行不在其他数据框中

Question

我有两个pandas数据帧，它们有一些共同的行。

假设dataframe2是dataframe1的子集。

如何获取不在dataframe2中的dataframe1行？

df1 = pandas.DataFrame(data = {'col1' : [1, 2, 3, 4, 5], 'col2' : [10, 11, 12, 13, 14]}) 
df2 = pandas.DataFrame(data = {'col1' : [1, 2, 3], 'col2' : [10, 11, 12]})

Answer 1

假设索引在数据帧中是一致的（不考虑实际的列值）：

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

Answer 2

一种方法是存储两个df的内部合并结果，然后当一列的值不在此公共值中时，我们可以简单地选择行：

In [119]:

common = df1.merge(df2,on=['col1','col2'])
print(common)
df1[(~df1.col1.isin(common.col1))&(~df1.col2.isin(common.col2))]
   col1  col2
0     1    10
1     2    11
2     3    12
Out[119]:
   col1  col2
3     4    13
4     5    14

编辑

您发现的另一种方法是使用isin，它将生成NaN行，您可以删除这些行：

In [138]:

df1[~df1.isin(df2)].dropna()
Out[138]:
   col1  col2
3     4    13
4     5    14

但是，如果df2不以相同的方式开始行，则这将不起作用：

df2 = pd.DataFrame(data = {'col1' : [2, 3,4], 'col2' : [11, 12,13]})

将生成整个df：

In [140]:

df1[~df1.isin(df2)].dropna()
Out[140]:
   col1  col2
0     1    10
1     2    11
2     3    12
3     4    13
4     5    14

Answer 3

当前选定的解决方案产生不正确的结果。为了正确解决这个问题，我们可以执行从df1到df2的左连接，确保首先只获取df2的唯一行。

首先，我们需要修改原始数据框以添加包含数据的行[3，10]。

df1 = pd.DataFrame(data = {'col1' : [1, 2, 3, 4, 5, 3], 
                           'col2' : [10, 11, 12, 13, 14, 10]}) 
df2 = pd.DataFrame(data = {'col1' : [1, 2, 3],
                           'col2' : [10, 11, 12]})

df1

   col1  col2
0     1    10
1     2    11
2     3    12
3     4    13
4     5    14
5     3    10

df2

   col1  col2
0     1    10
1     2    11
2     3    12

执行左联接，消除df2中的重复项，以便df1的每一行与df2的整整一行联接。使用参数indicator返回一个额外的列，指示该行来自哪个表。

df_all = df1.merge(df2.drop_duplicates(), on=['col1','col2'], 
                   how='left', indicator=True)
df_all

   col1  col2     _merge
0     1    10       both
1     2    11       both
2     3    12       both
3     4    13  left_only
4     5    14  left_only
5     3    10  left_only

创建布尔条件：

df_all['_merge'] == 'left_only'

0    False
1    False
2    False
3     True
4     True
5     True
Name: _merge, dtype: bool

---

为什么其他解决方案是错误的

一些解决方案会犯同样的错误——它们只检查每一列中的每个值是否独立，而不是同一行中的每个值是否在一起。添加最后一行（该行是唯一的，但具有来自df2的两列的值）将暴露错误：

common = df1.merge(df2,on=['col1','col2'])
(~df1.col1.isin(common.col1))&(~df1.col2.isin(common.col2))
0    False
1    False
2    False
3     True
4     True
5    False
dtype: bool

此解决方案会得到相同的错误结果：

df1.isin(df2.to_dict('l')).all(1)