如何找到两个熊猫数据框之间的设置差异

Question

我想检查两个DataFrame列之间的区别。 我尝试使用以下命令：

np.setdiff1d(train.columns, train_1.columns)

这将导致一个空数组：

array([], dtype=object)

但是，数据框中的列数是不同的：

len(train.columns), len(train_1.columns) = (51, 56)

这意味着两个DataFrame明显不同。

怎么了

Answer 1

结果是正确的，但是setdiff1d与顺序有关。 它将仅检查第二个数组中未出现的第一个输入数组中的元素。

如果您不关心哪个数据setxor1d具有唯一列，则可以使用setxor1d 。 它将返回“仅在输入数组之一（不是两个）中的唯一值”，请参阅文档 。

import numpy

colsA = ['a', 'b', 'c', 'd']
colsB = ['b','c']

c = numpy.setxor1d(colsA, colsB)

将返回一个包含“ a”和“ d”的数组。

---

如果要使用setdiff1d ，则需要两种方式检查差异：

//columns in train.columns that are not in train_1.columns
c1 = np.setdiff1d(train.columns, train_1.columns)

//columns in train_1.columns that are not in train.columns
c2 = np.setdiff1d(train_1.columns, train.columns)

Answer 2

用这样的东西

data_3 = data1[~data1.isin(data2)]

其中data1和data2是列，而data_3 = data_1-data_2