Bagaimana untuk Mengekstrak Baris dengan Cekap daripada Satu Pandas DataFrame yang Tidak Hadir dalam Satu Lagi?

Mengambil Baris daripada Satu Bingkai Data yang Dikecualikan daripada Yang Lain

Dalam panda, adalah perkara biasa untuk mempunyai berbilang bingkai data dengan data yang berpotensi bertindih. Satu tugas yang kerap timbul ialah mengasingkan baris daripada satu kerangka data yang tidak terdapat dalam yang lain. Operasi ini amat berguna apabila bekerja dengan subset atau menapis data.

Perumusan Masalah:

Diberikan dua bingkai data panda, dengan df1 mengandungi superset baris berbanding df2, kami bertujuan untuk mendapatkan baris dalam df1 yang tidak terdapat dalam df2. Contoh di bawah menggambarkan senario ini dengan kes mudah:

import pandas as pd

df1 = pd.DataFrame(data={'col1': [1, 2, 3, 4, 5], 'col2': [10, 11, 12, 13, 14]})
df2 = pd.DataFrame(data={'col1': [1, 2, 3], 'col2': [10, 11, 12]})

print(df1)
print(df2)

# Expected result:
#   col1  col2
# 3     4    13
# 4     5    14

Penyelesaian:

Untuk menangani masalah ini dengan berkesan, kami menggunakan teknik yang dikenali sebagai sambung kiri. Operasi ini menggabungkan df1 dan df2 sambil memastikan semua baris daripada df1 dikekalkan. Selain itu, kami menyertakan lajur penunjuk untuk mengenal pasti asal setiap baris selepas gabungan. Dengan memanfaatkan baris unik daripada df2 dan tidak termasuk pendua, kami mencapai hasil yang diingini.

Kod python di bawah melaksanakan penyelesaian ini:

df_all = df1.merge(df2.drop_duplicates(), on=['col1', 'col2'], how='left', indicator=True)
result = df_all[df_all['_merge'] == 'left_only']

Penjelasan:

1. Kiri Sertai: Fungsi gabungan melakukan gabungan kiri antara df1 dan df2.drop_duplicates(). Operasi ini menggabungkan baris daripada df1 dengan baris daripada df2 berdasarkan nilai yang sepadan dalam lajur col1 dan col2.
2. Penunjuk Gabung: Parameter penunjuk ditetapkan kepada True untuk memasukkan lajur tambahan bernama _merge dalam rangka data yang terhasil df_all. Lajur ini menunjukkan asal setiap baris: 'kedua-duanya' untuk baris yang wujud dalam kedua-dua df1 dan df2, 'kiri_sahaja' untuk baris eksklusif kepada df1 dan 'kanan_sahaja' untuk baris eksklusif kepada df2.
3. Tapis mengikut 'left_only': Untuk mengasingkan baris daripada df1 yang bukan dalam df2, kami tapis df_all dataframe dengan menyemak baris dengan _merge sama dengan 'left_only'. Ini memberikan kita hasil yang diingini.

Mengelakkan Perangkap Biasa:

Adalah penting untuk ambil perhatian bahawa sesetengah penyelesaian mungkin tersilap menyemak nilai lajur individu dan bukannya padanan baris secara keseluruhan. Pendekatan sedemikian boleh membawa kepada hasil yang salah, seperti yang digambarkan dalam contoh di bawah:

~df1.col1.isin(common.col1) & ~df1.col2.isin(common.col2)

Kod ini tidak menganggap kejadian bersama nilai dalam baris dan mungkin menghasilkan hasil yang salah apabila baris dalam df1 mempunyai nilai yang muncul secara individu dalam df2 tetapi bukan dalam baris yang sama.

Dengan menggunakan pendekatan gabungan kiri yang diterangkan di atas, kami memastikan bahawa baris dikenal pasti dengan betul sebagai eksklusif untuk df1. Teknik ini menyediakan penyelesaian yang boleh dipercayai dan cekap untuk mengekstrak baris yang terdapat dalam satu bingkai data tetapi tidak dalam yang lain.

Atas ialah kandungan terperinci Bagaimana untuk Mengekstrak Baris dengan Cekap daripada Satu Pandas DataFrame yang Tidak Hadir dalam Satu Lagi?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!