Python 熊猫的数据帧代数

假设我有两个数据帧

df1
df2

我可以在

df1_键

和

df2_键

上加入

我想：

（A-B）

（A-B）U（B-A）

使用

A=df1

和

B=df2

从我在上读到的内容来看，

pd.merge

的

how

参数支持以下选项：

how : {‘left’, ‘right’, ‘outer’, ‘inner’}, default ‘inner’
        left: use only keys from left frame (SQL: left outer join)
        right: use only keys from right frame (SQL: right outer join)
        outer: use union of keys from both frames (SQL: full outer join)
        inner: use intersection of keys from both frames (SQL: inner join)

但它们都没有直接给出上面的集合运算1和2

以下是SQL的相应参考（来源），仅供参考：

---

虽然不直接支持这些功能，但可以通过在尝试连接之前调整索引来实现这些功能

您可以使用

-

运算符设置减号：

In [11]: ind = pd.Index([1, 2, 3])

In [12]: ind2 = pd.Index([3, 4, 5])

In [13]: ind - ind2
Out[13]: Int64Index([1, 2], dtype='int64')

并设置与

|

的并集和与

&

的交集：

In [14]: ind | ind2
Out[14]: Int64Index([1, 2, 3, 4, 5], dtype='int64')

In [15]: ind & ind2
Out[15]: Int64Index([3], dtype='int64')

因此，如果您有一些具有这些索引的数据帧，则可以在加入之前重新编制索引：

In [21]: df = pd.DataFrame(np.random.randn(3), ind, ['a'])  # ind = df.index

In [22]: df2 = pd.DataFrame(np.random.randn(3), ind2, ['b'])  # ind2 = df2.index

In [23]: df.reindex(ind & ind2)
Out[23]:
          a
3  1.368518

因此，现在您可以建立您想要的任何连接：

In [24]: df.reindex(ind & ind2).join(df2.reindex(ind & ind2))  # equivalent to inner
Out[24]:
          a         b
3  1.368518 -1.335534

In [25]: df.reindex(ind - ind2).join(df2.reindex(ind - ind2))  # join on A set minus B
Out[25]:
          a   b
1  1.193652 NaN
2  0.064467 NaN

---

您如何将此扩展到对列而不是索引执行代数？（即，我的意思是对特定列进行设置差分，如OP中的图表所示）。我想我可以在加入之前简单地做

df.set_index（columns_for_the_join）

，但是列中的一些条目是

NaN

，当我将此列转换为索引时，它失败了，因为如果

ind_diff=ind-ind2

（因此

ind_diff

），我以后就不能用

ind-ind-ind2

索引我的数据帧了具有NaN值。@Josh列也是一个

索引

，因此您可以对

df.columns

执行相同的设置操作。我不知道你在问什么，你应该可以加入NaNs的索引。。。也许你可以问这个新问题？谢谢@Andy我非常感谢你的帮助。我用一个例子更新了OP，以澄清我的意思。@Josh我认为这应该是一个新问题。原来的问题很好，你不应该改变它！我已经将其回滚到上一个版本，我认为这是一个很好的问题。请分别询问具体方面，乐意回答！：）谢谢@AndyHayden我完全同意你的编辑。对于任何感兴趣的人，这里有一个相关的问题：