Python 创建另一个数据集的列之间差异的新数据集

我一直在努力寻找群体之间的差异。因为它有点复杂，我请看下面我的工作和代码：

从以下数据集开始： df的输出 我预期的最终结果，但我没有产生 理想情况下，我需要找出每个可能的工作组合的维度之间的差异。我确实试过了，当我有两个职业的时候，当我加上第三个职业的时候，它成功了，然后失败了。我所有的代码都在下面

Occ_s            Occ_t               Skill_missing
Chef             Programmer          Python
Chef             Programmer          R
Chef             Data                SAS
Chef             Data                R
Chef             Data                Python
Programmer       Chef                Cook
Programmer       Chef                Budget
Programmer       Data                SAS
Data             Chef                Cook
Data             Chef                Budget
Data             Chef                Chef   
Data             Programmer          SAS

创建df后，设置一个新变量以识别技能 堆叠和取消堆叠以查找目标职业缺少哪些技能 我尝试了这个，但是我得到了重复的结果，结果爆炸了，看起来不像上面预期的结果 更新问题已经解决了。希望我在应用大数据时也能起到同样的作用。尽管如此，我还是希望看到一些更简单的方法，因为我认为我的方法是复杂而漫长的。我非常希望看到一些更简单的解决方案。请参阅下面我的代码的其余部分。

---

如果我理解正确，这将起作用： 此代码是您的：

import pandas as pd 
import copy

df = {'Occ': ['Chef','Chef','Chef', 
           'Programmer','Programmer','Programmer','Data','Data','Data'], 
           'Skill': ['Cook', 'Budget','Communication','Python', 
           'R','Communication','R','Python','SAS']} 

df = pd.DataFrame(data=df)
df = df.set_index(['Occ','Skill'])['Num'].unstack(fill_value=0)

out = df.stack(0).reset_index()

只是添加列名 out.columns=['Occ'，'Skill'，'tmp']

创建输出的副本

out_2 = copy.deepcopy(out)

将一更改为零，将零更改为一，以将Occ与另一个职业合并。因此，我们将得到一个表格，其中每个职业将与另一个职业合并，其中一个职业缺少技能

out_2['tmp'] = 1- out_2['tmp']

只是添加列名

out_2.columns =['Occ_t','Skill_t','tmp']

按计划合并

k= out_2.merge(out,on='tmp',how='inner')

但是我们得到了重复的每一对[Occ，Skill]将在1和0之间，所以让我们选择其中一个（我选择了0）

最后一个阶段，我们想要得到不同的职业。通过（k.Skill\u t==k.Skill），我们可以用一个技能得到所有的Occ\u t和Occ

k[(k.Occ_t != k.Occ) & (k.Skill_t==k.Skill)][['Occ_t','Occ','Skill']]

结果:

Out[0]: 
    Occ_t   Occ     Skill

3   Chef    Data    Budget
6   Chef    Programmer  Budget
13  Chef    Data    Communication
23  Chef    Data    Cook
25  Chef    Programmer  Cook
27  Data    Chef    Python
37  Data    Chef    R
47  Data    Chef    SAS
53  Data    Programmer  SAS
58  Programmer  Data    Communication
63  Programmer  Chef    Python
73  Programmer  Chef    R

---

你能对这部分稍加评论吗：out_2=copy.deepcopy（out）out_2['tmp']=1-out_2['tmp']out_2.columns=['Occ_t'，'Skill_t'，'tmp']k=out_2.merge（out，on='tmp'，how='inner'）k=k[k.tmp==0]k[[k.Occ_t！=k.Occ]=k.Skill t==k.Skill k['Occ_t'，'t']。我补充说。我尽力了。如果你有任何问题，我会尽力回答。艾吉利桑，谢谢，我上面的代码也很有效，我喜欢你的方法。现在我面临的问题是我的数据集太大了，所有的组合都高达120亿。我试图一个职业一个职业循环，但仍在努力

out_2 = copy.deepcopy(out)

out_2['tmp'] = 1- out_2['tmp']

out_2.columns =['Occ_t','Skill_t','tmp']

k= out_2.merge(out,on='tmp',how='inner')

k = k[k.tmp==0]

k[(k.Occ_t != k.Occ) & (k.Skill_t==k.Skill)][['Occ_t','Occ','Skill']]

Out[0]: 
    Occ_t   Occ     Skill

3   Chef    Data    Budget
6   Chef    Programmer  Budget
13  Chef    Data    Communication
23  Chef    Data    Cook
25  Chef    Programmer  Cook
27  Data    Chef    Python
37  Data    Chef    R
47  Data    Chef    SAS
53  Data    Programmer  SAS
58  Programmer  Data    Communication
63  Programmer  Chef    Python
73  Programmer  Chef    R