Python 基于多列的两个数据帧子集

因此，我有两个数据集（我指的是dataframe），如下所示 数据帧1：

name, age, id, acctno
abc, 23, 1001, 238238
dhd, 22, 2001, 299299
ddg, 30, 2920, 101010
ssd, 53, 1901, 238003
ggh, 52, 2221, 222222
eet, 50, 9920, 111111

（我们可以将其另存为population1.csv）

数据帧2：

name, age, id, acctno
abc, 11, 1001, 238238
def, 55, 2001, 299299
xxy, 90, 2020, 101010

（我们可以将其保存为population2.csv）

因此，我们可以如下读取数据

df1 = pd.read_csv('population1.csv')
df2 = pd.read_csv('population2.csv')

ssd, 53, 1901, 238003
ggh, 52, 2221, 222222
eet, 50, 9920, 111111

我想得到以下结果

res = df1-df2

基于

id

和

acctno

的公共列。 我们可以看到，基于

id

和

acctno

， dataframe2位于dataframe1中。但dataframe1还有更多功能 dataframe2中不常见的记录

基于一列对两个数据帧进行子集是直截了当的， 但是，我想知道如何基于两个数据帧对两个数据帧进行子集 列

因此，结果应该如下

df1 = pd.read_csv('population1.csv')
df2 = pd.read_csv('population2.csv')

ssd, 53, 1901, 238003
ggh, 52, 2221, 222222
eet, 50, 9920, 111111

安装程序

---

mask

---

合并

merge

函数/方法有一个

指示符

参数，如果设置为

True

，则会添加一列，告诉您合并标识符所在的数据源。在你的情况下，你想抓住那些只剩下的

df1.merge(
    df2[['id', 'acctno']], how='left', indicator=True
).query('_merge == "left_only"').drop('_merge', 1)

  name  age    id  acctno
2  ddg   30  2920  101010
3  ssd   53  1901  238003
4  ggh   52  2221  222222
5  eet   50  9920  111111

---

使用

concat

的解决方案，其中我们

concat

df1

，

df2

，然后再次

df2

，因此

df2

中的所有行都保证被删除（如果数据帧非常大，这可能会导致内存效率低下）：

---

如果您希望在

df1

中保留重复项，此答案将忽略您的愿望。

isin

与

应用
元组

df1.loc[~df1[['id', 'acctno']].apply(tuple,1).isin(df2[['id', 'acctno']].apply(tuple,1))]
Out[215]: 
  name  age    id  acctno
2  ddg   30  2920  101010
3  ssd   53  1901  238003
4  ggh   52  2221  222222
5  eet   50  9920  111111

我相信您在
df2
中有输入错误。我认为第四行的
id
应该是
2920
聪明！但是，如果df1中的某些重复是故意的，我会称之为我答案的“功能”：）但这是一个好的观点，我会澄清：哦，我喜欢你接受CoLab运行时的方式@是的，我想我会喜欢的
df1.loc[~df1[['id', 'acctno']].apply(tuple,1).isin(df2[['id', 'acctno']].apply(tuple,1))]
Out[215]: 
  name  age    id  acctno
2  ddg   30  2920  101010
3  ssd   53  1901  238003
4  ggh   52  2221  222222
5  eet   50  9920  111111