在pandas中比较两个数据框的行

Question

我有两个数据框，第一个是我目前在数据库中拥有的数据，第二个是可能已更改字段的文件： name、cnpj 或 create_date 基于此，我需要创建第三个数据框，只包含经历了某种变化的行，就像预期输出的示例一样。

关键是进行比较的要素： id_account 数据框1：

id_account	名称	CNPJ	创建日期
10	代理商 Criss	10203040	2022-05-30
20	代理商 Angel	11213141	2022-05-30
30	超市 Mario Bros	12223242	2022-05-30
40	代理商 Mister M	13233343	2022-05-30
50	超市 Pokemon	14243454	2022-05-30
60	梦想超市	15253580	2022-05-30

数据框2：

id_account	name	cnpj	create_date
10	超市Carol	80502030	2022-05-30
40	神奇超市	60304050	2022-05-30
60	梦之超市	90804050	2022-05-30

我该怎么做？我已经找了几种方法，但是索引让我感到困惑。

- Caroline Leite

Answer 1

如果数据具有相同的列，但行数不同，则可以采用以下解决方案：

res = (pd.concat([df1,df2])
       .drop_duplicates(keep=False)
       .drop_duplicates(subset='id_account', keep='last')
      )

输出：

   id_account                   name      cnpj create_date
0          10      Supermarket Carol  80502030  2022-05-30
3          40    Supermarket Magical  60304050  2022-05-30
5          60  Supermarket of Dreams  90804050  2022-05-30

- Rabinzel

Answer 2

如果您的两个数据框具有相同的列和相同数量的行，则可以将它们进行比较，并使用 any(axis=1) 查找任何列发生更改的行：

new_df = df2[(df1 != df2).any(axis=1)]

输出：

>>> new_df
   id_account                   name      cnpj create_date
0          10      Supermarket Carol  80502030  2022-05-30
3          40    Supermarket Magical  60304050  2022-05-30
5          60  Supermarket of Dreams  90804050  2022-05-30

- user17242583

---

在这种情况下，索引可能不同，这会成为一个问题吗？ - Caroline Leite

@Caroline，id_account 是你的索引吗？ - user17242583

可能存在行数不一致的情况 @richardec - Caroline Leite

你可以删除布尔检查的索引 @CarolineLeite 感谢richardec，你非常友善！ - Umar.H