以一栏为基础的熊猫左外联接相反，结果记录比预期要少。

Question

我有以下两个数据文件：

​

​

df2拥有2166个独特的记录。

我试图返回蓝色区域中的数据，因此我使用了以下技术：

为了获得绿色数据，我只需执行一个内部连接：

df_common = df1.merge(df2, how='inner' on='SKU')

产生413条唯一的记录

为了获得蓝色区域，我将绿色数据附加到df2

df2_plus_green = df2.append(df_common, ignore_index = True)

产生2579条记录(这是合理的(413 + 2166 = 2579)

然后我扔掉了复印机：

df_blue = df2_plus_green.drop_duplicates(keep=False, subset=['SKU'])

产生了1666条记录。我原以为它会产生1753个记录(2166-413= 1753)

我已经在一组小得多的数据上尝试了上述技术，而且它的工作原理与预期的一样。我假设正在删除的额外的87条记录在某种程度上是重复的，但是我已经检查了每一步的数据，并且所有的数据都是由完全唯一的记录组成的。谁能给我指明正确的方向？我肯定这是明显的东西，我错过了。

Answer 1

在合并两个表时，请使用参数“指示器”，它将告诉我们每个数据点是如何连接的。

df_right_only = pd.merge(df1, df2, on = "Common Column", how = "right", indicator = True)

然后，我们可以使用LOC筛选出唯一从正确表中提取的值。

df_right_only.loc[df_right_only ['_merge'] == "right_only", 'Column that you want']

这种方法被称为反Joins。