python - 如何在两个 Pandas DataFrame 对象上执行 SQL 样式不相交或设置差异？

Question

我正在尝试使用 Pandas 来解决一个由白痴 DBA 提供的问题，该问题没有对现在崩溃的数据集进行备份，所以我试图找出两列之间的差异。由于我不会深入的原因，我使用的是 Pandas 而不是数据库。

我想做的是，给定:

Dataset A = [A, B, C, D, E]  
Dataset B = [C, D, E, F]

我想找到不相交的值。

Dataset A!=B = [A, B, F]

在 SQL 中，这是标准的集合逻辑，根据方言以不同的方式实现，但这是一个标准函数。我如何在 Pandas 中优雅地应用它？我很想输入一些代码，但我所拥有的任何东西都不是正确的。在这种情况下，我不知道我不知道什么..... Pandas 为交集和并集设置了逻辑，但没有为不相交/设置差异设置逻辑。

谢谢!

Answer 1

您可以使用set.symmetric_difference 函数:

In [1]: df1 = DataFrame(list('ABCDE'), columns=['x'])

In [2]: df1
Out[2]:
   x
0  A
1  B
2  C
3  D
4  E

In [3]: df2 = DataFrame(list('CDEF'), columns=['y'])

In [4]: df2
Out[4]:
   y
0  C
1  D
2  E
3  F

In [5]: set(df1.x).symmetric_difference(df2.y)
Out[5]: set(['A', 'B', 'F'])