如何查找兩個 DataFrame 中存在但在所選列上具有不同值的行

Question

假設我們有兩個 DataFrame， df1和df2具有相同的列：

  | Name | Value1 | Value2      | Name | Value1 | Value2
--------------------------   --------------------------
1 | John |    1   |   2       1 | John |    4   |   2   
--------------------------   --------------------------
2 | Sue  |    1   |   2       2 | Sue  |    1   |   3   
--------------------------   --------------------------
3 | Bob  |    1   |   2       3 | Bob  |    5   |   6

正如我們所看到的，唯一的區別是對於Name為“John”的行，列Value1從 1 更改為 4，對於“Sue”，列Value2從 2 更改為 3，對於“Bob”，兩列都更改了。

我的問題是-為每個此類更改提取對（ Name ， Column(s) ）的最慣用的方法是什么？ 即使實際值發生了變化，也無關緊要，只有它們對應的行和列。

我想寫一個行為如下的 function：

updated = check_for_updates(df1, df2)
print(updated)
# [
#   ("John", ("Value1",)),
#   ("Sue", ("Value2",)),
#   ("Bob", ("Value1", "Value2")),
# ]

Answer 1

Pandas 1.1 提供了一種比較數據幀的方法； 您可以使用defaultdict進一步擴展它以適合您的最終結果：

from collections import defaultdict

updated = defaultdict(list)
for key, value in (df1
                   .set_index("Name")
                   .compare(df2.set_index("Name"), keep_shape=True)
                   .stack(0).index):
    updated[key].append(value)

print(updated)

defaultdict(list,
            {'John': ['Value1'],
             'Sue': ['Value2'],
             'Bob': ['Value1', 'Value2']})

Answer 2

我認為，如果您嘗試df1.set_index('Name')和df2.set_index('Name') ，就可以做你想做的事。 我的意思是你可以用他們的名字提取

Answer 3

好的，我想通了，我對這個解決方案非常滿意：

df1 = DataFrame(data={"Name": ["John", "Sue", "Bob"], "Value1": [1, 1, 1], "Value2": [2, 2, 2]})
df2 = DataFrame(data={"Name": ["John", "Sue", "Bob"], "Value1": [4, 1, 5], "Value2": [2, 3, 6]})

def check_for_updates(df1, df2, columns, index):
  result = df2[df1[columns] != df2[columns]].dropna(how="all") # unchanged rows do not interest me
  result[index] = df1[index]

  return [(_id, tuple(cols.dropna().index)) for _id, cols in result.set_index(index).iterrows()]

updated = check_for_updates(df1, df2, columns=["Value1", "Value2"], index="Name")
print(updated)
# [
#   ('John', ('Value1',)),
#   ('Sue', ('Value2',)),
#   ('Bob', ('Value1', 'Value2'))
# ]

但是我覺得（對熊貓不太熟悉）有更好的方法可以做到這一點，所以請隨時糾正我。

編輯：在寫這個答案時，@sammywemmy 發布了一個替代方案，在我看來這更符合習慣。