如何使用pandas打印两列之间的差异？

Question

我是一名有帮助的助手，可以为您翻译以下内容：

我有两个数据集

一个数据集中有一个包含电子邮件地址列表的列：

DF1

Email
[e-mail]
[e-mail]
[e-mail]
[e-mail]
[e-mail]

2nd csv Dataframe2

Email
[e-mail]
[e-mail]
[e-mail]
[e-mail]
[e-mail]
[e-mail]
[e-mail]

---

import pandas as pd

SansList = r'C:\\Sans compare\\SansList.csv'
AllUsers = r'C:\\Sans compare\\AllUser.csv'

## print Name column only and turn into data sets from CSV ##
df1 = pd.read_csv(SansList, usecols=[0])

df2 = pd.read_csv(AllUsers, usecols=[2])

**print(df1['Email'].isin(df2)==False)**

我希望得到的结果是，

Dataframe3
[e-mail]
[e-mail]
[e-mail]

我不太确定如何修复我的数据集... :(

- davidjbeiler

---

我认为你不想使用pandas，而是使用集合。set(df1['Email'].values)，然后使用set.intersection()。 - Keith

https://dev59.com/3WYq5IYBdhLWcg3w-FPP - davidjbeiler

你有另一个例子吗？ - davidjbeiler

Answer 1

Option 1

isin

df2[~df2.Email.isin(df1.Email)]

          Email
4  [e-mail]
5  [e-mail]
6  [e-mail]

选项2
查询

df2.query('Email not in @df1.Email')

          Email
4  [e-mail]
5  [e-mail]
6  [e-mail]

选项 3
merge

使用 pd.DataFrame.merge 和 indicator=True，可以查看行来自哪个数据框。然后我们可以根据它进行过滤。

df2.merge(
    df1, 'outer', indicator=True
).query('_merge == "left_only"').drop('_merge', 1)

           Email
20  [e-mail]
21  [e-mail]
22  [e-mail]

- piRSquared

---

它一直打印我在df2中的所有电子邮件列表。 - davidjbeiler

你需要将结果重新分配给 df2。我没有覆盖你的变量。只需执行 df2 = df2[~df2.Email.isin(df1.Email)]。 - piRSquared

我已经做了，但它仍然打印出我的主列表中的所有内容，它没有进行比较 :( - davidjbeiler

那么，你的 CSV 文件存在问题，导致你期望相等的内容实际上并不相等。 - piRSquared

显然，pandas是区分大小写的:( - davidjbeiler

Answer 2

Numpy解决方案：

In [311]: df2[~np.in1d(df2.Email, df1.Email)]
Out[311]:
          Email
4  [e-mail]
5  [e-mail]
6  [e-mail]

- MaxU - stand with Ukraine

---

无法工作，它打印了我数据框2中的所有内容，而不是差异。 - davidjbeiler

@davidjbeiler，你是什么意思？你在代码中读取了它：df2 = pd.read_csv(AllUsers, usecols=[2])... - MaxU - stand with Ukraine

它正在打印我数据框2中的所有内容，而不是差异。 - davidjbeiler