pandas求两个表格不相交的集合方法

大家好，好久不见。在处理数据时，如果需要计算两个表格的不相交部分（即对称差集），我经过尝试发现并没有直接提供现成的函数。这里分享一种我自己常用的实现思路，希望能对读者有所帮助。

如示意图所示，阴影区域代表我们需要求取的不相交部分。需要注意的是，这种方法的前提是参与运算的集合A和B内部均不包含重复元素。

首先，我们构建两个示例DataFrame来进行演示。

import pandas as pd 
a0={"number":range(10),"letter":["a","a","b","b","c","f","f","e","h","w"]} 
a=pd.DataFrame(a0) 
b0={"number":range(15),"letter":["b","a","t","b","r","f","g","e","j","w","t","h","i","y","u"]} 
b=pd.DataFrame(b0) 

查看这两个DataFrame的具体内容如下。

关于差集的计算，本质上是去除两个DataFrame中共同存在的部分。我的实现思路如下：

第一步，将两个DataFrame合并为一个新的DataFrame；

第二步，去除合并后数据中的公共部分（利用drop_duplicates进行去重处理）。

具体代码实现如下：

c=a.append(b)
c.drop_duplicates(keep=False,inplace=True)
c.reset_index()

这里需要特别说明的是，drop_duplicates方法中的keep参数设置为False时，表示将所有重复项全部删除。该参数还支持keep="first"（保留重复项中的第一条）和keep="last"（保留重复项中的最后一条）。更多详细信息可参考官方文档。

执行上述代码后，得到的结果如下所示。虽然逻辑简单，但实际效果非常实用。

基于同样的原理，该方法也可用于求取常规的差集，此处不再赘述。

以上关于pandas求两个表格不相交集合的方法就是本文分享的全部内容，希望能为大家提供参考。如果有帮助，欢迎支持本站。