基于熊猫中的一对列进行匹配

Question

我有一个数据帧df1与多列。我有同一组列的df2。我想获得df1中不存在的df1记录。我能执行此任务如下：

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

现在我想同样的操作，但在名称和ID的组合。这意味着，如果来自df1的作为一对的名称和ID在df2中同时存在，那么整个记录不应该是我结果的一部分。

如何使用熊猫来完成此任务？

Answer 1

这其实很容易。

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

您将要比较的列名作为列表传递。有趣的部分是它输出的内容。

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 

而且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 

df1和df2比赛之间的每一个(ID, Name)对除为行9.我的回答的结果将返回：

ID Name 
9 1  1 

这正是你想要的。

详细地说，当你做面膜：

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

你得到这样的：

 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 

我们要选择的排在那里的一列是真实的。对于这一点，我们可以添加any(axis=1)其上创建结束：

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

然后当你使用索引这个系列，它只会选择行9

Answer 2

您可以通过连接NAME和ID创建新列，并使用这个新列在你的问题中使用ID以同样的方式：

df1['temp'] = df1['NAME'].astype(str)+df1['ID'].astype(str) 
df2['temp'] = df2['NAME'].astype(str)+df2['ID'].astype(str) 
df1[~df1['temp'].isin(df2['temp'])].drop('temp',1)