比较两列中的两个数据流并得出差异

Question

让我说我有一个像这样的数据：

df1:
     col1          col2
0    data1         math
1    data1         math2
2    data2         math
3    data3         math
4    data4         math2

df2:
     col1          col2
0    data1         math
1    data1         math2
2    data1         math3
3    data2         math2
4    data3         math
5    data4         math2
6    data4         math3

如何基于col1和col2比较这两种数据格式，并得到区别(删除与df1匹配的所有行)，并获得如下数据：

     col1          col2
0    data1         math3
1    data2         math2
2    data4         math3

我试过这个，但没有用：

df3 = df2[~(df2['col2'].isin(df1['col2']))].reset_index(drop=True)

Answer 1

您的解决方案应该通过比较MultiIndex或元组来更改：

df3 = df2[~df2.set_index(['col1','col2']).index.isin(df1.set_index(['col1','col2']).index)].reset_index(drop=True)

df3 = df2[~df2[['col1','col2']].apply(tuple, 1).isin(df1[['col1','col2']].apply(tuple, 1))].reset_index(drop=True)

Answer 2

您可以使用indicator=True执行合并，并且只保留right_only行：

(df1.merge(df2, on=['col1', 'col2'], how='outer', indicator=True)
    .query('_merge == "right_only"')
    .drop(columns='_merge').reset_index(drop=True)
)

产出：

    col1   col2
0  data1  math3
1  data2  math2
2  data4  math3