不同长度的两个数据帧的比较：

Question

我需要帮助编写一个比较两个数据帧并返回不同单元格的函数。

两个数据帧的列名相同，但长度可能不同。

我有示例代码：

import pandas as pd

data = [('11','12','13'),
        ('21','22','23'),
        ('31','32','33')]

df = pd.DataFrame(data,
                 columns = ('col_1', 'col_2', 'col_3' ))


data2 = [('11','12','13'),
        ('21','22','23')]

df2 = pd.DataFrame(data2,
                 columns = ('col_1', 'col_2', 'col_3' ))


df_mask = df.compare(df2, keep_shape=True).notnull().astype('int')

df_compare = df.compare(df2, keep_shape=True, keep_equal=True)

def apply_color(x):

    colors = {1: 'lightblue', 0: 'white'}

    return df_mask.applymap(lambda val: 'background-color: {}'.format(colors.get(val,'')))

df_compare.style.apply(apply_color, axis=None)

这将引发错误：ValueError：只能比较标记相同的 Dataframe 对象。

Answer 1

我会做这样的事情，使用带有指示器的pd.merge()来确定哪些行在两个数据帧中：

check = pd.merge(df, df2, on=['col_1', 'col_2', 'col_3'], how='left', indicator='Exist')
check_both = check[check['Exist'] == 'both']
check_df_only = check[check['Exist'] == 'left_only']
check_df2_only = check[check['Exist'] == 'right_only']

check_df_only 只是 df 中对自己唯一的数据， check_df2_only 只是 df2 中对自己唯一的数据， check_both 是两个数据帧中的数据。