Question

我想检查两个DataFrame列之间的区别。我尝试使用命令：

np.setdiff1d(train.columns, train_1.columns)

导致一个空数组：

array([], dtype=object)

但是，数据框中的列数不同：

len(train.columns), len(train_1.columns) = (51, 56)

这意味着两个DataFrame明显不同。

这里有什么问题？

Answer 1

结果是正确的，但setdiff1d依赖于顺序。它只会检查第一个输入数组中第二个数组中没有出现的元素。

如果您不关心哪个数据框具有唯一列，则可以使用setxor1d。它将返回“仅在一个（不是两个）输入数组中的唯一值”，请参阅documentation。

import numpy

colsA = ['a', 'b', 'c', 'd']
colsB = ['b','c']

c = numpy.setxor1d(colsA, colsB)

将返回一个包含'a'和'd'的数组。

如果您想使用setdiff1d，则需要双向检查差异：

//columns in train.columns that are not in train_1.columns
c1 = np.setdiff1d(train.columns, train_1.columns)

//columns in train_1.columns that are not in train.columns
c2 = np.setdiff1d(train_1.columns, train.columns)

Answer 2

使用类似的东西

data_3 = data1[~data1.isin(data2)]

其中data1和data2是列，而data_3 = data_1-data_2

如何找到两个Pandas DataFrame之间的集合差异

2 个答案: