數據幀上的外部連接 python

Question

我似乎在 SQL 服務器和https://chrisalbon.com/python/data_wrangling/pandas_join_merge_dataframe/ 中進行了 LEFT JOIN 與 LEFT OUTER JOIN，但還沒有找到我要找的東西。 我有兩個 python 數據幀：

A = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [1, 2, 3], [4, 5, 6]]),
                   columns=['a', 'b', 'c'])

    a   b   c
0   1   2   3
1   4   5   6
2   1   2   3
3   4   5   6

B = pd.DataFrame(np.array([[7, 8, 9], [7, 8, 9], [3, 2, 1], [3, 2, 1]]),
                   columns=['c', 'b', 'a'])

    c   b   a
0   7   8   9
1   7   8   9
2   3   2   1
3   3   2   1

其中值 [1, 2, 3] 在兩者中重復但 [4, 5, 6] 和 [9, 8, 7] 不是。

我希望它具有一個 dataframe 的所有值，但不加入另一個 dataframe。例如：

A some_left_outer_join B = C

C = pd.DataFrame(np.array([ [4, 5, 6], [4, 5, 6]]),
                   columns=['a', 'b', 'c'])

並從兩個數據幀中獲取所有不加入另一個 dataframe 的值。例如：

A some_outer_join B = D

D = pd.DataFrame(np.array([ [4, 5, 6], [4, 5, 6] , [9, 8, 7] , [9, 8, 7]]),
                   columns=['a', 'b', 'c'])

試

 (pd.merge(left=A, right=B, how='left', on=['a', 'b', 'c']))

    a   b   c
0   1   2   3
1   1   2   3
2   4   5   6
3   1   2   3
4   1   2   3
5   4   5   6

給我連接和未連接的元素。 我只想要未連接的元素。 拜托，我怎樣才能得到想要的元素？

Answer 1

您可以將參數indicator=True與外部連接一起使用，然后使用Series.eq為==和Series.ne為!=的boolean indexing進行過濾：

df = (pd.merge(left=A, right=B, how='outer', on=['a', 'b', 'c'], indicator=True))
print (df)
   a  b  c      _merge
0  1  2  3        both
1  1  2  3        both
2  1  2  3        both
3  1  2  3        both
4  4  5  6   left_only
5  4  5  6   left_only
6  9  8  7  right_only
7  9  8  7  right_only

C = df[df['_merge'].eq('left_only')]
print (C)
   a  b  c     _merge
4  4  5  6  left_only
5  4  5  6  left_only

D = df[df['_merge'].ne('both')]
print (D)
   a  b  c      _merge
4  4  5  6   left_only
5  4  5  6   left_only
6  9  8  7  right_only
7  9  8  7  right_only

如果還想刪除列：

s = df.pop('_merge')
C = df[s.eq('left_only')]
print (C)
   a  b  c
4  4  5  6
5  4  5  6

D = df[s.ne('both')]
print (D)
   a  b  c
4  4  5  6
5  4  5  6
6  9  8  7
7  9  8  7

Answer 2

一個技巧是向 A 和 B 添加虛擬列。因此在不匹配的行中，您將在虛擬列中獲得 NaN。 您可以稍后刪除虛擬列

B['d'] = 0
A['e'] = 0
AB = pd.merge(left=A, right=B, how='outer', on=['a', 'b', 'c'])
C = AB[AB.d.apply(pd.isnull)]
D = AB[(AB.d.apply(pd.isnull)) | (AB.e.apply(pd.isnull))]

C

    a   b   c   e   d
4   4   5   6   0.0 NaN
5   4   5   6   0.0 NaN

D
    a   b   c   e   d
4   4   5   6   0.0 NaN
5   4   5   6   0.0 NaN
6   9   8   7   NaN 0.0
7   9   8   7   NaN 0.0