获取一个数据框中存在但不存在另一个数据框的行

时间:2014-09-20 07:30:12

标签: python pandas dataframe

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。

1 个答案:

答案 0 :(得分:1)

默认情况下,

set_index不存在,因此df1df2在调用后仍然具有其数字索引。做任何一件事

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

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。