Python 根据不同数据帧中的多个条件删除数据帧的行

我有两个大数据帧。第一个包含数据，包括一个日期列和一个位置列，然后是几个数据列。第二个数据框由日期列和位置列组成。我想删除df1的日期和位置与df2匹配的所有行

我尝试了几种方法来解决这个问题，包括drop语句、for循环中的drop语句以及基于多种条件重新定义dataframe。它们都不起作用

date = pd.to_datetime(['2019-01-01','2019-01-01','2019-01-02','2019-01-02','2019-01-03','2019-01-03'],format='%Y-%m-%d')
location = [1,2,1,2,1,2]
nr = [8,10,15,2,20,38]
df1 = pd.DataFrame(columns=['date','location','nr'])
df1['date']=date
df1['location']=location
df1['nr']=nr

这将产生以下数据帧：

        date  location  nr
0 2019-01-01         1   8
1 2019-01-01         2  10
2 2019-01-02         1  15
3 2019-01-02         2   2
4 2019-01-03         1  20
5 2019-01-03         2  38

date2 = pd.to_datetime(['2019-01-01','2019-01-02'],format='%Y-%m-%d')
location2 = [2,1]
df2 = pd.DataFrame(columns=['date','location'])
df2['date']=date2
df2['location']=location2

  date  location
0 2019-01-01         2
1 2019-01-02         1

第二个数据帧：

        date  location  nr
0 2019-01-01         1   8
1 2019-01-01         2  10
2 2019-01-02         1  15
3 2019-01-02         2   2
4 2019-01-03         1  20
5 2019-01-03         2  38

date2 = pd.to_datetime(['2019-01-01','2019-01-02'],format='%Y-%m-%d')
location2 = [2,1]
df2 = pd.DataFrame(columns=['date','location'])
df2['date']=date2
df2['location']=location2

  date  location
0 2019-01-01         2
1 2019-01-02         1

导致以下数据帧：

        date  location  nr
0 2019-01-01         1   8
1 2019-01-01         2  10
2 2019-01-02         1  15
3 2019-01-02         2   2
4 2019-01-03         1  20
5 2019-01-03         2  38

date2 = pd.to_datetime(['2019-01-01','2019-01-02'],format='%Y-%m-%d')
location2 = [2,1]
df2 = pd.DataFrame(columns=['date','location'])
df2['date']=date2
df2['location']=location2

  date  location
0 2019-01-01         2
1 2019-01-02         1

然后是drop语句：

for i in range(len(df2)):
     dayA = df2['date'].iloc[i]
     placeA = df2['location'].iloc[i]
     df1.drop(df1.loc[(df1['date']==dayA)& (df1['location']==placeA)],inplace=True)

在这种情况下，会导致示例中的错误代码： KeyError:“['date''位置''nr']未在axis中找到” 但是，在我的较大数据帧中，它会导致以下错误： TypeError:“非类型”对象不可编辑

然而，我需要的是

        date  location  nr
0 2019-01-01         1   8
3 2019-01-02         2   2
4 2019-01-03         1  20
5 2019-01-03         2  38

我做错了什么

使用熊猫合并： 这应该行得通

df1['index_col'] = df1.index
df = df1.merge(df2,on=['date','location'],how='left')
df = df.dropna()
df = df[df1.columns]

result_df = df1[~df.index_col.isin(df1.index_col)]

使用合并： 这应该行得通

df1['index_col'] = df1.index
df = df1.merge(df2,on=['date','location'],how='left')
df = df.dropna()
df = df[df1.columns]

result_df = df1[~df.index_col.isin(df1.index_col)]

---

我会使用pandas

merge

和一个小技巧：

df2['temp']=2
df=pd.merge（df1，df2，how='outer'，on=['date'，'location']）
df=df[pd.isna（df.temp）]
del df['temp']

我会使用pandas

merge

和一个小技巧：

df2['temp']=2
df=pd.merge（df1，df2，how='outer'，on=['date'，'location']）
df=df[pd.isna（df.temp）]
del df['temp']

此行存在问题：

df1.drop(df1.loc[(df1['date']==dayA)& (df1['location']==placeA)],inplace=True)

您可以通过以下方式实现您的目标：

df1 = df1.loc[~((df1['date']==dayA) & (df1['location']==placeA))]

基本上，每次您为每一行找到一个匹配项时，您都会将其从

df1

数据帧中删除

输出：

        date  location  nr
0 2019-01-01         1   8
3 2019-01-02         2   2
4 2019-01-03         1  20
5 2019-01-03         2  38

---

这条线的问题是：

df1.drop(df1.loc[(df1['date']==dayA)& (df1['location']==placeA)],inplace=True)

您可以通过以下方式实现您的目标：

df1 = df1.loc[~((df1['date']==dayA) & (df1['location']==placeA))]

基本上，每次您为每一行找到一个匹配项时，您都会将其从

df1

数据帧中删除

输出：

        date  location  nr
0 2019-01-01         1   8
3 2019-01-02         2   2
4 2019-01-03         1  20
5 2019-01-03         2  38

---

df1.loc[（df1['date']==dayA）和（df1['location']==placeA）]

是由日期和位置匹配的行组成的数据帧

drop

需要它们匹配的索引。因此您需要

df1.loc[（df1['date']==dayA）和（df1['location']==placeA）]。index

。然而，这是一种非常低效的方法。您可以使用

merge

代替其他答案所讨论的方法。另一种方法是

df1=df1.loc[~df1[['date'，'location']].apply（tuple，axis=1）.isin（zip（df2.date，df2.location））

df1.loc[（df1['date']=dayA）和（df1['location'=placeA）]

是由日期和位置匹配的行组成的数据帧

drop

需要它们匹配的索引。因此您需要

df1.loc[（df1['date']==dayA）和（df1['location']==placeA）]。index

。然而，这是一种非常低效的方法。您可以使用

merge

代替其他答案所讨论的方法。另一种方法是

df1=df1.loc[~df1[['date'，'location']].apply（tuple，axis=1）.isin（zip（df2.date，df2.location））

我认为pandasPandas中没有

左-外

合并，只有“左”、“右”、“外”、“内”，默认值为“内部”。我认为PandaPandas中没有左外合并，只有“左”、“右”、“外部”、“内部”，默认值为“内部”。最后一行做到了。合并与日期索引混淆，或者返回空数据帧。最后一行就做到了。合并与日期索引混淆，或者返回空数据帧。