如果数据是无序的,我找不到一种简单的方法来获取在一个数据框中找到但在第二个数据框中找不到的数据框的所有行。
这两个答案讲的是有序数据的解决方案:
Get rows that are present in one dataframe, but not the other
在上面提到的一个相关问题中,我发现了一个多索引解决方案,据说可以处理无序数据,但我无法实现它。我希望有更简单的方法。
让我举一个我正在处理的数据的例子:
DF1
col_a col_b
1325 foo
1397 foo #<---matching value, but not matching index in DF2
1645 foo
... ...
DF2
col_1 col_2
1397 foo #<---matching value, but not matching index in DF1
1500 foo
1621 foo
... ...
现在,如果这是两个数据框中的所有数据,那么专门为 DF1 处理的结果将如下所示:
DF1_UNIQUE
col_a col_b
1325 foo
1645 foo
(所以我真的只关心 col_a
或 DF2 col_1
)。请注意它缺少 1397 行。那是因为它是在 DF2 中找到的,所以我不希望它返回到我的新 DF 中。但它没有在同一个索引中找到,这就是我遇到的问题。如果所有匹配的索引都对齐,我已经很容易地创建了一个解决方案,但我不知道从哪里开始处理未对齐的索引。我可以使用合并功能吗?还是该工具不适合这项工作?
这段代码并不完全相关,但如果所有索引都正确排列,它就是我想出的解决方案:
def getUniqueEntries(df1, df2):
"""takes two dataframes, returns a dataframe that is comprized of all the rows unique to the first dataframe."""
d1columns = df1.columns
d2columns = df2.columns
df3 = pd.merge(df1, df2, left_on=d1columns[0], right_on=d2columns[0])
print(df3)
return df1[(~df1[d1columns[0]].isin(df3[d1columns[0]]))]
def main(fileread1, fileread2, writeprefix):
df1 = pd.read_csv(fileread1)
df2 = pd.read_csv(fileread2)
df3 = getUniqueEntries(df1, df2)
df4 = getUniqueEntries(df2, df1)
print(df3)
print(df4)
df3.to_csv(writeprefix+fileread1, index=False)
df4.to_csv(writeprefix+fileread2, index=False)
if __name__ == '__main__':
main(sys.argv[1], sys.argv[2], sys.argv[3])
最佳答案
是的,您可以将合并与 indicator
参数结合使用:
我重命名了列以避免列重复 您还可以通过 left_on
和 right_on
merged = DF1.merge(DF2.rename(columns={'col_1': 'col_a', 'col_2': 'col_b'}), how='left', indicator=True)
merged
Out:
col_a col_b _merge
0 1325 foo left_only
1 1397 foo both
2 1645 foo left_only
现在,您可以使用指标列过滤 merged
:
merged[merged['_merge']=='left_only']
Out:
col_a col_b _merge
0 1325 foo left_only
2 1645 foo left_only
关于python - Pandas 获取一个数据框中列出的所有行,但不是另一个未排序的行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39237642/