Python 获取pandas.DataFrame其余部分的最聪明的方法是什么？

这是一个pandas.DataFrame df

我选择了一些行，并通过df1=df.iloc[[1,3]，：]定义了一个新的数据帧

获得df其余部分的最佳方法是什么，如下所示

| Foo | Bar |
|-----|-----|
|   0 | A   |
|   2 | C   |
|   4 | E   |

我假设Foo可以被视为唯一的索引

首先从df1中选择Foo值：

然后过滤原始数据帧：

df2 = df[~df['Foo'].isin(idx)]

我假设Foo可以被视为唯一的索引

首先从df1中选择Foo值：

然后过滤原始数据帧：

df2 = df[~df['Foo'].isin(idx)]

---

快速基于集合的扩散

df2 = df.loc[df.index.difference(df1.index)]
df2

   Foo Bar
0    0   A
2    2   C
4    4   E

---

只要索引值是唯一的，就可以工作。

基于集的快速差分

df2 = df.loc[df.index.difference(df1.index)]
df2

   Foo Bar
0    0   A
2    2   C
4    4   E

---

只要索引值是唯一的，就可以工作。

如果我理解正确，您希望获取数据帧，从中选择一些行并将其存储在变量df2中，然后选择df中不在df2中的行

如果是这种情况，您可以执行df[~df.isindf2].dropna

df[x]根据条件x将数据帧df子集 ~df.isindf2是df.isindf2的否定，对于属于df2的df行，它的计算结果为True。 .dropna删除具有NaN值的行。在这种情况下，我们不想要的行在上面的过滤表达式中被强制为NaN，所以我们去掉了这些行。

---

如果我理解正确，您需要获取一个数据帧，从中选择一些行并将它们存储在变量df2中，然后选择df中不在df2中的行

如果是这种情况，您可以执行df[~df.isindf2].dropna

df[x]根据条件x将数据帧df子集 ~df.isindf2是df.isindf2的否定，对于属于df2的df行，它的计算结果为True。 .dropna删除具有NaN值的行。在这种情况下，我们不想要的行在上面的过滤表达式中被强制为NaN，所以我们去掉了这些行。

df2 = df.loc[df.index.difference(df1.index)]
df2

   Foo Bar
0    0   A
2    2   C
4    4   E