[英]How to compare two Pandas DataFrames based on specific columns in Python?
我有两个 Pandas 数据帧:
a =
ID Index Value
1 275 0 00000005
2 1024 27 01
3 1024 23 01
b =
ID Index Value_x Value_y
1 1024 27 01 02
2 1024 23 01 02
我只想根据前三列获取不同的值,但只保留a
的列 - 从而导致:
ID Index Value
1 275 0 00000005
我试过先删除列,然后以这种方式进行比较,但这最终会创建不必要的 DataFrames 副本(现实世界 arrays 是 100k+ 行)。
您可以使用MultiIndex
来执行此操作,而无需创建临时DataFrame
或不必要地复制数据:
# 1
idx_a = pd.MultiIndex.from_frame(a.iloc[:, :3])
idx_b = pd.MultiIndex.from_frame(b.iloc[:, :3])
# 2
idx_diff = idx_a.difference(idx_b)
# 3
result = a.set_index(idx_a).reindex(idx_diff).reset_index(drop=True)
print(result)
ID Index Value
0 275 0 00000005
DataFrame
的前 3 列创建MultiIndex
对象idx_a
中但不出现在idx_b
中的索引值DataFrame
( a
) 进行子集化 您可以使用merge
with indicator=True
和 slice on "left_only":
cols = ['ID', 'Index']
c = (a.merge(b[cols], on=cols, how='outer', indicator=True)
.loc[lambda x: x.pop('_merge').eq('left_only')])
output:
ID Index Value
0 275 0 5
这是一种可能的方法。 您可以将两个数据框连接起来形成一个 dataframe,然后删除重复值。
import pandas as pd
a = [
[275, 0, '00000005'],
[283, 0, '00F0'],
[1024, 27, '01']
]
b = [
[283, 0, '00F0', '00E1'],
[1024, 27, '01', '02']
]
# create dataframe for a and b
df_a = pd.DataFrame(a, columns=['ID', 'Index', 'Value'])
df_b = pd.DataFrame(b, columns=['ID', 'Index', 'Value_x', 'Value_y'])
# get difference of df_a and df_b based on ID and Index
df_diff = pd.concat([df_a[['ID', 'Index']], df_b[['ID', 'Index']]]).drop_duplicates(
subset=['ID', 'Index'], keep=False)
print(df_diff)
你需要的是anti_join
:
>>> from datar.all import f, anti_join, tribble
>>> a = tribble(
... f.ID, f.Index, f.Value,
... 275, 0, "00000005",
... 1024, 27, "01",
... 1024, 23, "01",
... )
>>> b = tribble(
... f.ID, f.Index, f.Value_x, f.Value_y,
... 1024, 23, "01", "02",
... 1024, 27, "01", "02",
... )
>>>
>>> a >> anti_join(b, by={"ID": "ID", "Index": "Index", "Value": "Value_x"})
ID Index Value
<int64> <int64> <object>
0 275 0 00000005
我是datar
package 的作者,它由 pandas 支持。如果您有任何疑问或问题,请告诉我。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.