左连接日期和 ID 列

Question

1[]1

假设这是 CSV1：

开始日期 |结束日期 |项目 | CSV1UQID

1999-09-27 | 9999-12-31 | 100000 | 121

1999-10-27 | 9999-12-31 | 100001 | 123

1222-09-27 | 9999-12-31 | 999999 | 125

和 CSV2：

CSV2开始日期 | CSV2ENDDATE |项目编号

1998-09-27 | 9999-12-31 | 100000

1999-10-27 | 9999-12-31 | 100001

我想根据它们的列加入这些表，特别是它们的差异中的 STARTDATE、ENDDATE 或 ITEMID，以显示它们是否是数据帧独有的差异。我分别缩短了原始数据帧 csv1 和 csv2，因为它们包含 5000+ 行，因此数据显示整齐会有好处。

这些是我想要产生的结果 Left Join Null（又名 CSV1 独占）：

开始日期 |结束日期 |项目 | CSV1UQID

1999-09-27 | 9999-12-31 | 100000 | 121（此行在左连接中，为空，因为与 CSV2STARTDATE 相比，CSV1 的开始日期是唯一的）

1222-09-27 | 9999-12-31 | 999999 | 125（因为所有参数都是CSV1独有的）

但是，到目前为止，我的代码是左连接（null）：

csv1iID = csv1.set_index('ITEMID')
csv2iID = csv2.set_index('ITEMID')

CSV1only = csv1.join(
    csv2iID,
    on = 'ITEMID', 
    lsuffix = '_l',
    rsuffix = '_r',
).query('ITEMID_r.isnull()')

但这只会产生：

开始日期 |结束日期 |项目 | CSV1UQID

1222-09-27 | 9999-12-31 | 999999 | 125

因为它只查看 ITEMID 差异，而不是日期。我该如何解决这个问题，使其成为预期的结果？

查看具有 >>

的行

Answer 1

外连接的indicator参数将返回值是在左、右还是两者。您可以通过 df['_merge'] == 'left_only' 过滤生成的 df 以获取仅左侧的记录等。

df1

STARTDATE       ENDDATE     ITEMID  CSV1UQID
0   1999-09-27  9999-12-31  100000  121
1   1999-10-27  9999-12-31  100001  123
2   1222-09-27  9999-12-31  999999  125

df2

STARTDATE       ENDDATE     ITEMID
0   1998-09-27  9999-12-31  100000
1   1999-10-27  9999-12-31  100001


df1.merge(df2, how='outer', on=['STARTDATE','ENDDATE','ITEMID'], indicator=True)  

输出

    STARTDATE   ENDDATE     ITEMID  CSV1UQID    _merge
0   1999-09-27  9999-12-31  100000  121.0       left_only
1   1999-10-27  9999-12-31  100001  123.0       both
2   1222-09-27  9999-12-31  999999  125.0       left_only
3   1998-09-27  9999-12-31  100000  NaN         right_only