Pandas 获取一个数据框中列出的所有行，而不是另一个 UNORDERD

Question

如果数据是无序的，我找不到一种简单的方法来获取在一个数据帧中找到的数据帧的所有行，而不是在第二个数据帧中找到的所有行。

这两个答案谈话是有序数据的解决方案：

获取存在于一个数据帧中但不存在于另一个数据帧中的行

熊猫获取不在其他数据框中的行

所以只是为了清楚起见，我试图得到这个：

在上面提到的一个相关问题中，我找到了一个多索引解决方案，据说可以处理无序数据，但我无法实现它。我希望有一个更简单的方法。

让我给你一个我正在处理的数据的例子：

DF1
col_a   col_b
1325    foo
1397    foo        #<---matching value, but not matching index in DF2
1645    foo
...     ...

DF2
col_1   col_2
1397    foo        #<---matching value, but not matching index in DF1
1500    foo
1621    foo
...     ...

现在，如果这是两个数据帧中的所有数据，那么专门为 DF1 处理的结果将如下所示：

DF1_UNIQUE
col_a   col_b
1325    foo
1645    foo

（所以我真的只关心col_a或关心DF2 col_1）。注意它缺少 1397 行。那是因为它是在 DF2 中找到的，所以我不希望它返回到我的新 DF。但它没有在同一个索引中找到，这就是我遇到的问题。如果所有匹配的索引都排列好，我已经很容易地创建了一个解决方案，但我不知道从哪里开始未排列的索引。我可以使用合并功能吗？或者这是这项工作的错误工具？

这段代码并不完全相关，但如果所有索引都正确排列，它就是我想出的解决方案：

def getUniqueEntries(df1, df2):
    """takes two dataframes, returns a dataframe that is comprized of all the rows unique to the first dataframe."""
    d1columns = df1.columns
    d2columns = df2.columns
    df3 = pd.merge(df1, df2, left_on=d1columns[0], right_on=d2columns[0])
    print(df3)
    return df1[(~df1[d1columns[0]].isin(df3[d1columns[0]]))]     

def main(fileread1, fileread2, writeprefix):
    df1 = pd.read_csv(fileread1)
    df2 = pd.read_csv(fileread2)

    df3 = getUniqueEntries(df1, df2)
    df4 = getUniqueEntries(df2, df1)
    
    print(df3)
    print(df4)

    df3.to_csv(writeprefix+fileread1, index=False)
    df4.to_csv(writeprefix+fileread2, index=False)
    
if __name__ == '__main__':
    main(sys.argv[1], sys.argv[2], sys.argv[3])

Answer 1

是的，您可以使用带有indicator参数的合并：

我重命名了列以避免重复列您也可以通过left_on和right_on

merged = DF1.merge(DF2.rename(columns={'col_1': 'col_a', 'col_2': 'col_b'}), how='left', indicator=True)
merged
Out: 
   col_a col_b     _merge
0   1325   foo  left_only
1   1397   foo       both
2   1645   foo  left_only

现在，您可以merged使用指标列进行过滤：

merged[merged['_merge']=='left_only']
Out: 
   col_a col_b     _merge
0   1325   foo  left_only
2   1645   foo  left_only