dataframe 中两列之间的唯一元素

Question

我刚刚开始使用 Pandas，我对它的灵活性感到惊讶，但我遇到了障碍，需要一些帮助

我有一个数据框 Df：

  | Contract | Box1       | Box2         |
  | A        | Red,White  | Red,Black    |
  | B        | Red        | White,Black  |
  | C        | Black      | Black        |

我想找到 Box1 和 Box2 之间不常见的条目，并将它们存储在两个新的单独列中，以便 output 看起来像这样：

  | Contract   | Box1_unique | Box2_unique|
  | A          | White       | Black      |
  | B          | Red         | White,Black|
  | C          | -           |  -         |

我试过了

Df['Box1_unique'] = Df['Box1']-Df['Box2']

但这没有用。

Answer 1

在set.difference的列表理解中使用zip - 应该更改顺序：

df[['Box1','Box2']] = [(','.join(set(a.split(',')).difference(b.split(','))), 
                        ','.join(set(b.split(',')).difference(a.split(','))))
                       for a, b in zip(df['Box1'], df['Box2'])]
print (df)
  Contract   Box1         Box2
0        A  White        Black
1        B    Red  Black,White
2        C                    

或者not in语句的生成器理解 - 排序就像原来的一样：

df[['Box1','Box2']] = [(','.join(i for i in a.split(',') if i not in b.split(',')), 
                        ','.join(i for i in b.split(',') if i not in a.split(',')))
                       for a, b in zip(df['Box1'], df['Box2'])]
print (df)
  Contract   Box1         Box2
0        A  White        Black
1        B    Red  White,Black
2        C                    

最后设置-使用：

df[['Box1','Box2']] = df[['Box1','Box2']].mask(df[['Box1','Box2']].eq(''), '-')
print (df)
  Contract   Box1         Box2
0        A  White        Black
1        B    Red  White,Black
2        C      -            -