1.场景，对于colums都相同的dataframe做过滤的时候
例如：
|
1
2
3
4
5
6
7
8
9
10
|
df1 = DataFrame([['a', 10, '男'], ['b', 11, '男'], ['c', 11, '女'], ['a', 10, '女'], ['c', 11, '男']], columns=['name', 'age', 'sex'])df2 = DataFrame([['a', 10, '男'], ['b', 11, '女']], columns=['name', 'age', 'sex']) |
取交集：print(pd.merge(df1,df2,on=['name', 'age', 'sex']))
取并集：print(pd.merge(df1,df2,on=['name', 'age', 'sex'], how='outer'))
取差集(从df1中过滤df1在df2中存在的行)：
|
1
2
3
4
|
df1 = df1.append(df2)df1 = df1.append(df2)df1 = df1.drop_duplicates(subset=['name', 'age', 'sex'],keep=False)print(df1) |
代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
# -*- coding:utf-8 -*-__version__ = '1.0.0.0'"""@brief : 简介@details: 详细信息@author : zhphuang@date : 2018-10-29"""import pandas as pdfrom pandas import *df1 = DataFrame([['a', 10, '男'], ['b', 11, '男'], ['c', 11, '女'], ['a', 10, '女'], ['c', 11, '男']], columns=['name', 'age', 'sex'])print("df1:\n%s\n\n" % df1)df2 = DataFrame([['a', 10, '男'], ['b', 11, '女']], columns=['name', 'age', 'sex'])print("df2:\n%s\n\n" % df2)# 取交集print("交集:\n%s\n\n" % pd.merge(df1,df2,on=['name', 'age', 'sex']))# 取并集print("并集:\n%s\n\n" % pd.merge(df1,df2,on=['name', 'age', 'sex'], how='outer'))# 从df1中过滤df1在df2中存在的行，也就是取补集df1 = df1.append(df2)df1 = df1.append(df2)print("补集(从df1中过滤df1在df2中存在的行):\n%s\n\n" % df1.drop_duplicates(subset=['name', 'age', 'sex'],keep=False)) |
截图
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://www.cnblogs.com/niuniuc/p/9873134.html
