比较两个数据框中的两列（字符串格式），而列的长度不同答案

【问题标题】：Compare two columns ( string formats) in two data frames while length of columns is not the same比较两个数据框中的两列（字符串格式），而列的长度不同
【发布时间】：2017-05-12 15:54:22
【问题描述】：

以下是两个数据框：数据框A：

index  codes     
1        A      
2        B    
3        C
4        D

数据框 B

index    cym
1         A
2         L
3         F
4         B
5         N
6         X

A 和 B 的长度不相等。我想将“codes”列（数据框A）与“cym”列（数据框B）进行比较，并返回这两列之间的差异加上数据框B的索引列中的数据。输出是这样的：

index    cym
2        L
3        F
5        N
6        X

我尝试使用合并和等于函数来解决它。但我无法生成输出。

【问题讨论】：

我检查你的最后一个问题，如果有 3 个连续的 NaN 怎么办？或者样本中只有 2 个或 1 个 NaN，而不是 3,4 个或更多连续的 NaN？谢谢。

标签： python pandas dataframe compare

【解决方案1】：

你可以使用isin:

B[~B.cym.isin(A.codes)]

#index  cym
#1   2    L
#2   3    F
#4   5    N
#5   6    X

【讨论】：

【解决方案2】：

@Psidom 答案的更详细但更快的版本。

mask = ~np.in1d(B.cym.values, A.codes.values)
pd.DataFrame(
    B.values[mask],
    B.index[mask],
    B.columns
)

  index cym
1     2   L
2     3   F
4     5   N
5     6   X

时机

%timeit B[~B.cym.isin(A.codes)]
1000 loops, best of 3: 348 µs per loop

%%timeit
mask = ~np.in1d(B.cym.values, A.codes.values)
pd.DataFrame(
    B.values[mask],
    B.index[mask],
    B.columns
)
10000 loops, best of 3: 194 µs per loop

【讨论】：

【解决方案3】：

为了完整起见：

In [22]: B.query("cym not in @A.codes")
Out[22]:
   index cym
0      2   L
1      3   F
2      5   N
3      6   X

【讨论】：