Pandas：合并两个数据帧并保留单个数据帧中的不相交数据

Question

欲望：

我想要一种方法来合并两个数据帧并保留指定数据帧中的非相交数据。

问题：

我有重复的数据，我希望这一行能够删除重复的数据：

 final_df = new_df[~new_df.isin(previous_df)].dropna()

示例数据及数据测试：

 record = Record(1000, 9300815, '<redacted type>', '<redacted id>')
 test_df = pd.DataFrame([record])
 if not final_df.empty:

      # this produces an empty data frame
      empty_df = test_df[test_df.isin(final_df)].dropna()

      # this produces the record
      record_df = final_pdf[final_pdf.col01 == record.col01]

背景：

我正在加载 xml 数据并将 xml 文件转换为几种不同的记录类型作为命名元组。我将每个记录类型拆分为自己的数据帧。previous_df然后，我通过如下构造将 xml 文件中的当前数据集与已加载到数据库中的数据进行比较：

 previous_df = pd.read_sql_table(table_name, con=conn, schema=schema, columns=columns)

列是根据命名元组中的字段动态创建的。数据库模式是使用 sqlalchemy 生成的，UniqueConstraint当我认为数据库中存在重复项时，我添加了管理。

预先感谢您提供的任何帮助。

Answer 1

保留两个数据帧中的单个记录：

首先尝试concat数据帧，这样您就可以确定会有重复项。然后申请drop_duplicates，我想你最终会得到你想要的。请参阅下面的示例：

#Create dummy data
df1 = pd.DataFrame(columns=["A","B"],data=[[1,2],[3,4],[5,6]])
print(df1)

   A  B
0  1  2
1  3  4
2  5  6

df2 = pd.DataFrame(columns=["A","B"],data=[[3,4],[5,6],[7,8],[9,10]])
print(df2)

   A   B
0  3   4
1  5   6
2  7   8
3  9  10

#Concatenate dataframes
df = pd.concat([df1,df2],axis=0)
print(df)

   A   B
0  1   2
1  3   4
2  5   6
0  3   4
1  5   6
2  7   8
3  9  10

#Drop duplicates
df = df.drop_duplicates(keep=False)
print(df)

   A   B
0  1   2
2  7   8
3  9  10

仅保留一个数据帧中的单个记录：

如果您只想保留新数据帧中的数据，只需使用一个肮脏的小技巧：concat旧数据帧两次，因此所有旧记录都将符合 drop_duplicates 标准。就像这样：

#Concatenate dataframes with old dataframe taken twice!
df = pd.concat([df1,df1,df2],axis=0)

#Now you will only end up with the records from second dataframe
df = df.drop_duplicates(keep=False)
print(df)

   A   B
2  7   8
3  9  10