Python 比较两个数据框中的列，找出差异

我有两个csv文件，都包含在第1天和第2天发布的推文。我想比较推特的作者，以发现新用户

day1.csv如下所示：

authorID
451223
120346
122355
787456

authorID
451223
025660
122355
022000

day2.csv如下所示：

authorID
451223
120346
122355
787456

authorID
451223
025660
122355
022000

---

使用day1.csv作为轴心。。。我想比较一下作者ID。。任何新作者（即day2.csv中的作者，但不是day1.csv中的作者），我都会输出作者的ID。请注意，我如何在python 3.XX中执行此操作？您可以这样做：

import pandas as pd
df1=pd.DataFrame({'authorID':['12','34','56']})
df2=pd.DataFrame({'authorID':['12','56','78','97']})
original_users=set(df1[['authorID']].values.reshape(-1))
for i in df2[['authorID']].values.reshape(-1):
    if i not in original_users:
        print(i)

然后是

df1

    u
0   12
1   34
2   56

    u
0   12
1   56
2   78
3   97

而

df2

是

    u
0   12
1   34
2   56

    u
0   12
1   56
2   78
3   97

输出是

78
97

请注意，

df1[['authorID']].values.reformate（-1）

使您能够将列转换为可以迭代的列表。就这个例子来说,，

---

df1[['authorID'].values.reformate（-1）

是

数组（['12'，'34'，'56'，dtype=object）

。将此数组转换为

集合

是为了提高复杂性。

如果将两个CSV文件都作为iterables（

f.readlines（）

？）加载，则只需使用集合差异即可返回一个新集合，其中包含day2.CSV元素，而day1.CSV中没有：

>>> day1 = ['authorID',451223,120346,122355,787456]
>>> day2 = ['authorID',451223,025660,122355,022000]
>>> set(day2) - set(day1)
set([11184, 9216])

或

---

这是比较两组

authorID

s之间差异的另一种方法：

>>> old = {'451223', '120346', '122355', '787456'}
>>> new = {'451223', '025660', '122355', '022000'}
>>> {x for x in new if x not in old}
{'025660', '022000'}

---

假设

day1

和

day2

是数据帧。。。使用

merge

，将

指示符

参数设置为

True

day1.merge(day2, 'outer', indicator=True).query('_merge != "both"')

   authorID      _merge
1    120346   left_only
3    787456   left_only
4     25660  right_only
5     22000  right_only