Question

我想从df1中提取df2中不存在的那些行（标识是索引）。对于下面的示例，我希望返回df1中的第一行。不幸的是，结果是空的。

import pandas as pd

df1 = pd.DataFrame({
    'level-0': ['a', 'a', 'a', 'a', 'a', 'a'],
    'level-1': ['s2', 's2', 's2', 's2', 's2', 's2'],
    'level-2': ['1', '1', '1', '1', '1', '1'],
    'level-3': ['19', '20', '21', '22', '23', '24'],
    'level-4': ['HRB', 'HRB', 'HRB', 'HRB', 'HRB', 'HRB'],
    'name': ['a', 'b', 'c', 'd', 'e', 'f']
})

df1 = df1.set_index(['level-0', 'level-1', 'level-2', 'level-3', 'level-4'], drop=False)

df2 = pd.DataFrame({
    'level-0': ['a', 'a', 'a', 'a', 'a', 'b'],
    'level-1': ['s2', 's2', 's2', 's2', 's2', 's2'],
    'level-2': ['1', '1', '1', '1', '1', '1'],
    'level-3': ['19', '20', '21', '22', '23', '24'],
    'level-4': ['HRB', 'HRB', 'HRB', 'HRB', 'HRB', 'HRB']
})
df2 = df2.set_index(['level-0', 'level-1', 'level-2', 'level-3', 'level-4'], drop=False)

# all indices that are in df1 but not in df2
df_unknown = df1[~df1.index.isin(df2.index)]
print df_unknown

选择有什么问题？

更新

我弄清楚出了什么问题。数据框是从Excel文件中读取的，有些系列被解释为int，而要比较的数据框的列已经转换为str。这导致了不同的指数。

Answer 1

默认情况下，

set_index不存在，因此df1和df2在调用后仍然具有其数字索引。做任何一件事

df2.set_index(..., inplace=True)

或

df2 = df2.set_index(...)

你会看到，到目前为止，大熊猫中的大多数方法都是这样工作的。

获取一个数据框中存在但不存在另一个数据框的行

1 个答案: