如何比较两个数据集并在python中提取它们之间的差异？

Question

我有两个具有相同属性的数据集，但在某些行中信息被更改。 我想提取信息已更改的行。

Answer 1

pandas提供了丰富的API，您可以使用它来随意操作数据。 合并方法就是其中之一。 merge是高性能的内存中连接操作，在惯用方面非常类似于SQL之类的关系数据库。

df1 = pd.DataFrame({'A':[1,2,3],'B':[4,5,6]})
print(df1)

   A  B
0  1  4
1  2  5
2  3  6

df2 = pd.DataFrame({'A':[1,10,3],'B':[4,5,6]})
print(df2)
    A  B
0   1  4
1  10  5
2   3  6

df3 = df1.merge(df2.drop_duplicates(),how='right', indicator=True)
print(df3)
    A  B      _merge
0   1  4        both
1   3  6        both
2  10  5  right_only

你可以看到有一个名为_merge的新列描述了这行合并的方式，两者都意味着这一行存在于两个数据框中，其中right_only意味着该行仅存在于右侧数据框中，在这种情况下，如果你想要的话是df2只有你可以在_merge列上过滤的行才会被更改

df3 = df3[df3['_merge']=='right_only']
   A   B      _merge
2  10  5  right_only

注意：您可以使用变化LEFT JOIN 如何论证向左做合并，这将在虎视眈眈左数据帧（DF1）的每一件事情，如果在DF2中也存在行则_merge列会显示两者。 看看这里了解更多细节