在pandas中 求差集沒有專門的函數。處理辦法就是將兩個dataframe追加合并，然后去重。
|
1
2
|
divident.append(hasthisyeardivident)nohasthisyeardivident = divident.drop_duplicates(subset='ts_code', keep=false, inplace=true, ignore_index=true) |
具體函數用法：
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.dataframe.append.html#pandas.dataframe.append
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.dataframe.drop_duplicates.html#pandas.dataframe.drop_duplicates
補充示例：pandas中兩個dataframe的差集
在pandas中，兩個dataframe的差集并沒有直接的庫內置方法，現在我們希望有一種方法，就像python中set內置的求差集一樣，來找到兩個dataframe的差集。
|
1
2
3
4
5
6
7
8
|
>>> a=set((1,2,3))>>> a{1, 2, 3}>>> b=set((2,3,4))>>> b{2, 3, 4}>>> a-b{1} |
上面代碼片段是對set的內置求差集方法的回顧，現在我們希望能有類似的方法來找兩個dataframe的差集。
解決思路是這樣的：
對于有同樣index的a,b兩個dataframe，如果現在要求a對b的差集，那么可以（1)連續兩次擴充a，使用append方法（2）然后使用drop_duplicates方法對a進行去重，并且參數keep=false。原理很簡單，也很巧妙，連續擴充2次a，那么新擴充完后的dataframe中來自b的row肯定是重復的，去重時候，b全部被刪除，與此同時，a中跟b重復的row也會順帶著被刪除。
代碼實現：
|
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
|
>>> import pandas as pd>>> data_a={'state':[1,1,2],'pop':['a','b','c']}>>> data_b={'state':[1,2,3],'pop':['b','c','d']}>>> a=pd.dataframe(data_a)>>> b=pd.dataframe(data_b)>>> a state pop0 1 a1 1 b2 2 c>>> b state pop0 1 b1 2 c2 3 d>>> a=a.append(b)>>> a=a.append(b)>>> a state pop0 1 a1 1 b2 2 c0 1 b1 2 c2 3 d0 1 b1 2 c2 3 d>>> a.drop_duplicates(subset=['state','pop'],keep=false) state pop0 1 a |
到此這篇關于pandas dataframe求差集的示例代碼的文章就介紹到這了,更多相關pandas dataframe求差集內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://blog.csdn.net/soulwyb/article/details/104218907
