如何比较Python pandas 和output 中的两个dataframes 的区别？

Question

我有两个具有相同列数但行数不同的 df。

df1

   col1  col2
0     a    1,2,3,4
1     b    1,2,3
2     c    1

df2

   col1  col2
0     b    1,3
1     c    1,2
2     d    1,2,3
3     e    1,2

df1 是现有列表，df2 是更新后的列表。 预期结果是 df2 中以前不在 df1 中的任何结果。

预期结果：

   col1  col2
0     c    2
1     d    1,2,3
2     e    1,2

我试过

mask = df1['col2'] != df2['col2'] 

但它不适用于 df 的不同行。

Answer 1

使用DataFrame.explode by 列col2中的拆分值，然后使用DataFrame.merge和right join和 indicato 参数，通过boolean indexing具有right_only和 last aggregate join的行：

df11 = df1.assign(col2 = df1['col2'].str.split(',')).explode('col2')
df22 = df2.assign(col2 = df2['col2'].str.split(',')).explode('col2')

df = df11.merge(df22, indicator=True, how='right', on=['col1','col2'])

df = (df[df['_merge'].eq('right_only')]
              .groupby('col1')['col2']
              .agg(','.join)
              .reset_index(name='col2'))
print (df)
  col1   col2
0    c      2
1    d  1,2,3
2    e    1,2