python - 基于pandas中的一对列进行匹配

Question

我有一个包含多列的数据框 df1。我有 df2 具有相同的列集。我想获取 df2 中不存在的 df1 记录。我能够按如下方式执行此任务:

df1[~df1['ID'].isin(df2['ID'])]

现在我想同样的操作，但是关于NAME和ID的组合。这意味着如果来自 df1 的 NAME 和 ID 作为一对在 df2 中也作为同一对存在，那么整个记录不应该是我的结果的一部分。

如何使用 Pandas 完成此任务？

Answer 1

这实际上很容易。

df1[(~df1[['ID', 'Name']].isin(df2[['ID', 'Name']])).any(axis=1)]

您将要比较的列名称作为列表传递。有趣的部分是它的输出。

比方说 df1等于:

   ID  Name
0   0     0
1   1     1
2   2     2
3   3     3
4   4     4
5   5     5
6   6     6
7   7     7
8   8     8
9   1     1

和 df2等于:

ID  Name
0   0     0
1   1     1
2   2     2
3   3     3
4   4     4
5   5     5
6   6     6
7   7     7
8   8     8
9   1     9

每 (ID, Name)配对 df1和 df2匹配 除了 对于第 9 行。我的回答的结果将返回:

   ID  Name
9   1     1

这正是您想要的。

更详细地说，当你做面具时:

~df[['ID', 'Name']].isin(df2[['ID', 'Name']]

你得到这个:

      ID   Name
0  False  False
1  False  False
2  False  False
3  False  False
4  False  False
5  False  False
6  False  False
7  False  False
8  False  False
9  False   True

我们想要选择其中一列为真的行。为此，我们可以添加 any(axis=1)最后创建:

0    False
1    False
2    False
3    False
4    False
5    False
6    False
7    False
8    False
9     True

然后当你使用这个系列索引时，它只会选择第 9 行。