Pandas中两个DataFrame的差集

在pandas中，两个DataFrame的差集并没有直接的库内置方法，现在我们希望有一种方法，就像python中set内置的求差集一样，来找到两个DataFrame的差集。

?

1 2 3 4 5 6 7 8

>>> a=set((1,2,3)) >>> a {1, 2, 3} >>> b=set((2,3,4)) >>> b {2, 3, 4} >>> a-b {1}

　上面代码片段是对set的内置求差集方法的回顾，现在我们希望能有类似的方法来找两个DataFrame的差集。

解决思路是这样的：

对于有同样Index的a,b两个DataFrame，如果现在要求a对b的差集，那么可以（1)连续两次扩充a，使用append方法（2）然后使用drop_duplicates方法对a进行去重，并且参数keep=False。原理很简单，也很巧妙，连续扩充2次a，那么新扩充完后的DataFrame中来自b的row肯定是重复的，去重时候，b全部被删除，与此同时，a中跟b重复的row也会顺带着被删除。

代码实现：

?

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

>>> import pandas as pd >>> data_a={'state':[1,1,2],'pop':['a','b','c']} >>> data_b={'state':[1,2,3],'pop':['b','c','d']} >>> a=pd.DataFrame(data_a) >>> b=pd.DataFrame(data_b) >>> a    state pop 0      1   a 1      1   b 2      2   c >>> b    state pop 0      1   b 1      2   c 2      3   d >>> a=a.append(b) >>> a=a.append(b) >>> a    state pop 0      1   a 1      1   b 2      2   c 0      1   b 1      2   c 2      3   d 0      1   b 1      2   c 2      3   d >>> a.drop_duplicates(subset=['state','pop'],keep=False)    state pop 0      1   a