找出两个数据帧之间的差异

我有两个数据帧df1和df2，其中df2是df1的子集。我如何得到一个新的数据帧(df3)，这是两个数据帧之间的差异?

换句话说，一个在df1中所有的行/列都不在df2中的数据帧?

当前回答

方法1对于有nan的数据帧无效，因为pd.np.nan != pd.np.nan !我不确定这是否是最好的方法，但它可以避免

df1[~df1.astype(str).apply(tuple, 1).isin(df2.astype(str).apply(tuple, 1))]

它更慢，因为它需要将数据转换为字符串，但由于这个转换pd.np.nan == pd.np.nan。

让我们浏览一下代码。首先，我们将值转换为字符串，并将tuple函数应用于每一行。

df1.astype(str).apply(tuple, 1)
df2.astype(str).apply(tuple, 1)

多亏了这个，我们得到了pd。具有元组列表的系列对象。每个元组包含df1/df2的整行。然后我们对df1应用isin方法来检查每个元组是否“在”df2中。结果是pd。带有bool值的系列。如果tuple from df1在df2中，则为True。最后，我们用~符号对结果求反，并对df1进行滤波。长话短说，我们只能从df1中得到那些不在df2中的行。

为了使它更具可读性，我们可以这样写:

df1_str_tuples = df1.astype(str).apply(tuple, 1)
df2_str_tuples = df2.astype(str).apply(tuple, 1)
df1_values_in_df2_filter = df1_str_tuples.isin(df2_str_tuples)
df1_values_not_in_df2 = df1[~df1_values_in_df2_filter]

2019-04-02 15:59:07

其他回答

定义数据框架:

df1 = pd.DataFrame({
    'Name':
        ['John','Mike','Smith','Wale','Marry','Tom','Menda','Bolt','Yuswa'],
    'Age':
        [23,45,12,34,27,44,28,39,40]
})

df2 = df1[df1.Name.isin(['John','Smith','Wale','Tom','Menda','Yuswa'])

df1

    Name  Age
0   John   23
1   Mike   45
2  Smith   12
3   Wale   34
4  Marry   27
5    Tom   44
6  Menda   28
7   Bolt   39
8  Yuswa   40

df2

    Name  Age
0   John   23
2  Smith   12
3   Wale   34
5    Tom   44
6  Menda   28
8  Yuswa   40

两者之间的区别是:

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

    Name   Age
1   Mike  45.0
4  Marry  27.0
7   Bolt  39.0

地点:

isin(df2)返回df1中也在df2中的行。 ~(元素逻辑NOT)在表达式前面对结果求反，因此我们得到df1中不在df2中的元素——两者之间的差值。 .dropna()删除NaN显示所需输出的行

注意:这只适用于len(df1) >= len(df2)。如果df2比df1长，可以反转表达式:df2[~df2.isin(df1)].dropna()

2021-10-22 13:00:08

Pandas现在提供了一个新的API来处理数据帧差异:Pandas . datafframe .compare

df.compare(df2)
  col1       col3
  self other self other
0    a     c  NaN   NaN
2  NaN   NaN  3.0   4.0

2022-04-20 06:55:58

edit2，我想出了一个新的解决方案，不需要设置索引

newdf=pd.concat([df1,df2]).drop_duplicates(keep=False)

好吧，我发现最高投票的答案已经包含我已经弄明白了。是的，我们只能在每个dfs中没有重复的情况下使用此代码。

我有一个棘手的方法。首先，我们将“Name”设置为问题给出的两个数据框架的索引。由于我们在两个dfs中有相同的' Name '，我们可以从'大' df中删除'小' df的索引。这是代码。

df1.set_index('Name',inplace=True)
df2.set_index('Name',inplace=True)
newdf=df1.drop(df2.index)

2019-05-03 16:33:22

正如这里提到的那

df1[~df1.apply(tuple,1).isin(df2.apply(tuple,1))]

是正确的解决方案，但它会产生错误的输出如果

df1=pd.DataFrame({'A':[1],'B':[2]})
df2=pd.DataFrame({'A':[1,2,3,3],'B':[2,3,4,4]})

在这种情况下，上面的溶液会给出空数据帧，相反，你应该使用concat方法后，从每个数据帧删除重复。

使用concate和drop_duplicate

df1=df1.drop_duplicates(keep="first") 
df2=df2.drop_duplicates(keep="first") 
pd.concat([df1,df2]).drop_duplicates(keep=False)

2020-03-11 06:38:28