Python pandas.series.isin的潜在错误或奇怪行为

我的数据库中有两个表（

访问

，

事件

）

访问具有主键

访问id

， 事件和页面有一列

visit\u id

，这是访问的外键。（一个

事件

行可以属于0到1次访问）

我想做的是：从

事件

表中筛选出所有不属于

访问

表的

访问id

。简单的任务

我有存储在

pandas.DataFrame

中的每个表的数据，分别是

df_访问

和

df_事件

我执行以下操作：

len（set（df_visions.visit_id）-set（df_events.visit_id））

我得到的结果是1670，这符合我的预期

但当我这么做的时候

filter_real_v = df_events.visit_id.isin(set(visits.visit_id))
filter_real_v.value_counts() # I get only True values


filter_real_v = df_events.visit_id.isin(visits.visit_id)
filter_real_v.value_counts() # I get only True values

更奇怪的是，当我使用

pd.DataFrame(df_events.visit_id).isin(real_visits)).visit_id.value_counts() #I get all False values except 8 that are True

pd.DataFrame(df_events.visit_id).isin(set(real_visits)).visit_id.value_counts() #I get all True values

这是怎么回事？我如何定义一个过滤器，它的

visit\u id

存在于

events

中，而不存在于

visions

中

请查找

df_事件

和

df_访问

csv文件以重现此错误（逗号分隔的

索引，访问id

）

编辑：为最小可复制代码添加代码段：

下载链接中的文件，并将它们放在您选择的

文件路径事件

和

文件路径访问

中

执行下面的代码：

---

致以最诚挚的问候

一切正常，您只是误解了设置操作“-”

len（set（df\u访问.访问id）-set（df\u事件.访问id））

将返回df_visions.visit_id的值。不在df_events.visit_id中。注意：如果df_events.visit_id的值不在df_visions.visit_id中，它们将不在这里表示。这就是集合的工作原理

例如：

set([1,2,3,9]) - set([9,10,11])

Output:
{1, 2, 3}

注意10或11在答案中没有出现。事实上，第二盘没有一盘会赢。只有第二组中的值将从第一组中删除

使用

isin（）

可以有效地执行以下操作：

visits['visit_id'].isin(df_events['visit_id'].values).value_counts()

True     56071
False     1670

# Note 1670 is the exact same you got in your set operation

而不是：

df_events['visit_id'].isin(visits['visit_id'].values).value_counts()

True    702680

---

你能在问题中添加数据帧（我相信不需要太长）而不是链接吗？@anky_91我试过了，但它会使我的浏览器崩溃不确定你的代码段出了什么问题，但是你也可以使用

df.join（…，how='internal'，on='visit_id'））

或

how='left'

您需要为寻求调试帮助的问题提供一个解决方案。从您的示例中，它看起来像是visions.visit\u id>events.visit\u id，1670，所以您应该期望events.visit\u id在visions.visit\u id中，从而返回所有true？是的，我搞错了

pd.DataFrame（df\u events.visit\u id）.isin（real\u visions）).visit_id.value_counts（）#我得到除8个真值以外的所有假值

pd.DataFrame（df_events.visit_id）.isin（set（real_vists））.visit_id.value_counts（）#我得到所有真值

df_events['visit_id'].isin(visits['visit_id'].values).value_counts()

True    702680