python - Pandas:通过多列查找另一个DataFrame中不存在的行

Question

与 python pandas: how to find rows in one dataframe but not in another? 相同但有多个列

这是设置:

import pandas as pd

df = pd.DataFrame(dict(
    col1=[0,1,1,2],
    col2=['a','b','c','b'],
    extra_col=['this','is','just','something']
))

other = pd.DataFrame(dict(
    col1=[1,2],
    col2=['b','c']
))

现在，我想从 df 中选择其他不存在的行。我想通过 col1 和 col2

进行选择

在 SQL 中我会这样做:

select * from df 
where not exists (
    select * from other o 
    where df.col1 = o.col1 and 
    df.col2 = o.col2
)

在 Pandas 中我可以做这样的事情，但感觉非常难看。如果 df 有 id-column ，则可以避免部分丑陋，但它并不总是可用。

key_col = ['col1','col2']
df_with_idx = df.reset_index()
common = pd.merge(df_with_idx,other,on=key_col)['index']
mask = df_with_idx['index'].isin(common)

desired_result =  df_with_idx[~mask].drop('index',axis=1)

那么也许还有更优雅的方式？

Answer 1

由于 0.17.0 有一个新的 indicator你可以传递给 merge 的参数，它会告诉你这些行是只出现在左边、右边还是两者都有:

In [5]:
merged = df.merge(other, how='left', indicator=True)
merged

Out[5]:
   col1 col2  extra_col     _merge
0     0    a       this  left_only
1     1    b         is       both
2     1    c       just  left_only
3     2    b  something  left_only

In [6]:    
merged[merged['_merge']=='left_only']

Out[6]:
   col1 col2  extra_col     _merge
0     0    a       this  left_only
2     1    c       just  left_only
3     2    b  something  left_only

因此您现在可以通过仅选择 'left_only' 行来过滤合并的 df