个人中心
文章发布
退出
作者热门文章
- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
31
4
CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章pandas DataFrame 交集并集补集的实现由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.
1.场景，对于colums都相同的dataframe做过滤的时候 。
例如:
|
1
2
3
4
5
6
7
8
9
10
|
df1
=
DataFrame([[
'a'
,
10
,
'男'
],
[
'b'
,
11
,
'男'
],
[
'c'
,
11
,
'女'
],
[
'a'
,
10
,
'女'
],
[
'c'
,
11
,
'男'
]],
columns
=
[
'name'
,
'age'
,
'sex'
])
df2
=
DataFrame([[
'a'
,
10
,
'男'
],
[
'b'
,
11
,
'女'
]],
columns
=
[
'name'
,
'age'
,
'sex'
])
|
取交集：print(pd.merge(df1,df2,on=['name', 'age', 'sex'])) 。
取并集：print(pd.merge(df1,df2,on=['name', 'age', 'sex'], how='outer')) 。
取差集(从df1中过滤df1在df2中存在的行):
|
1
2
3
4
|
df1
=
df1.append(df2)
df1
=
df1.append(df2)
df1
=
df1.drop_duplicates(subset
=
[
'name'
,
'age'
,
'sex'
],keep
=
False
)
print
(df1)
|
代码:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
# -*- coding:utf-8 -*-
__version__
=
'1.0.0.0'
"""
@brief : 简介
@details: 详细信息
@author : zhphuang
@date : 2018-10-29
"""
import
pandas as pd
from
pandas
import
*
df1
=
DataFrame([[
'a'
,
10
,
'男'
],
[
'b'
,
11
,
'男'
],
[
'c'
,
11
,
'女'
],
[
'a'
,
10
,
'女'
],
[
'c'
,
11
,
'男'
]],
columns
=
[
'name'
,
'age'
,
'sex'
])
print
(
"df1:\n%s\n\n"
%
df1)
df2
=
DataFrame([[
'a'
,
10
,
'男'
],
[
'b'
,
11
,
'女'
]],
columns
=
[
'name'
,
'age'
,
'sex'
])
print
(
"df2:\n%s\n\n"
%
df2)
# 取交集
print
(
"交集:\n%s\n\n"
%
pd.merge(df1,df2,on
=
[
'name'
,
'age'
,
'sex'
]))
# 取并集
print
(
"并集:\n%s\n\n"
%
pd.merge(df1,df2,on
=
[
'name'
,
'age'
,
'sex'
], how
=
'outer'
))
# 从df1中过滤df1在df2中存在的行，也就是取补集
df1
=
df1.append(df2)
df1
=
df1.append(df2)
print
(
"补集(从df1中过滤df1在df2中存在的行):\n%s\n\n"
%
df1.drop_duplicates(subset
=
[
'name'
,
'age'
,
'sex'
],keep
=
False
))
|
截图 。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我.
原文链接：https://www.cnblogs.com/niuniuc/p/9873134.html 。
最后此篇关于pandas DataFrame 交集并集补集的实现的文章就讲到这里了,如果你想了解更多关于pandas DataFrame 交集并集补集的实现的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。
31
4
0
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗？ 最佳答案 pivot_table没有 normalize争论，不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框，我想得到一个新的数据框，它由两个数据框的行的克罗内克积组成。正确的做法是什么？ 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中，如何绘制条形图以使其 x 轴刻度标签看起来像折线图？ 我制作了一个间隔均匀的时间序列(每天一个项目)，并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列，“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列，即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如，假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西，更具体地说，结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框，如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df，如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ，其中包含与唯一值关联的各种字符串。对于这些唯一值，我想删除不等于单独列表的行，最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框（显然，这确实发生了，目前我有一个像这样的数据集！:(） >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF，它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算，但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框，如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”，“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist（）时，出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串，但结果集是 NaN .我究竟做错了什么？ import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀！