Question

我有两个数据帧。首先是DF1：

ID      Other value
1           a
2           b
3           c

然后有DF2，它是DF1的一个子集：

ID      Other value
1           a

我想创建第三个数据帧，它相当于SQL中的减号：删除两个数据帧交集中的所有观察值。这将留给我DF3：

ID      Other value
2           b
3           c

我一直在尝试使用pandasql，但它似乎不喜欢我的sql。代码如下：来自pandasql import * 将pandas导入为pd

pysqldf = lambda q: sqldf(q, globals())
train = pysqldf(""" SELECT * FROM DF1 WHERE ID 
                           NOT IN (SELECT ID FROM DF2) """)

我收到错误

Error on sql  SELECT * FROM DF1 WHERE ID 
                           NOT IN (SELECT ID FROM DF2)

关于出了什么问题或者如何使用其他一些pandas功能快速实现这一点的任何想法。我可以在R中做同样的事情而没有任何问题。

Answer 1

这应该这样做

df1[df1.ID.isin(df2.ID) == False]

Answer 2

您可以减去索引（设置为减号）：

In [11]: df1
Out[11]: 
   Other value
ID            
1            a
2            b
3            c

In [12]: df2
Out[12]: 
   Other value
ID            
1            a

In [13]: df1.index - df2.index
Out[13]: Int64Index([2, 3], dtype=int64)

In [14]: df1.loc[df1.index - df2.index]  # assuming IDs are unique
Out[14]: 
   Other value
ID            
2            b
3            c

0.13中的另一个选项是使用isin方法：

In [21]: df1.isin(df2)
Out[21]: 
   Other value
ID            
1         True
2        False
3        False

In [22]: df1[~df1.isin(df2).all(1)]
Out[22]: 
   Other value
ID            
2            b
3            c

Pandas在两个数据帧之间执行SQL减法

2 个答案: