如何对比两个DataFrame并提取未存在于第二个DataFrame中的ID与名称数据
2026-4-28
嘿，这个需求在日常数据清洗里太常见了！我给你分享两种Pandas的实现方式，都是实用派的，你可以根据自己的场景选：
方法一：用
isin()筛选（最直观易读） 这应该是最容易上手的方式，核心思路就是先判断df1的ID是否存在于df2中，再取反筛选出目标行：
import pandas as pd # 先构造个示例数据，方便你跟着跑 df1 = pd.DataFrame({'ID': [1, 2, 3, 4, 5], '名称': ['张三', '李四', '王五', '赵六', '孙七']}) df2 = pd.DataFrame({'ID': [2, 4]}) # 关键一步：筛选出df1中ID不在df2里的记录 df3 = df1[~df1['ID'].isin(df2['ID'])] print(df3)
运行后你会得到这样的结果：
ID 名称 0 1 张三 2 3 王五 4 5 孙七
这里的~是Pandas里的取反运算符，它会把isin()返回的布尔数组（True/False）反转，从而拿到所有不在df2中的ID对应的行。
方法二：用
merge()做反连接（适合大数据集） 如果你的数据集量级比较大，用merge的反连接逻辑效率会更高，而且这种写法和数据库的查询逻辑很像，熟悉SQL的话会特别亲切：
# 同样用刚才的示例数据 df3 = df1.merge(df2, on='ID', how='left', indicator=True) # 筛选出只有左表（df1）存在的行，然后删掉标记列 df3 = df3[df3['_merge'] == 'left_only'].drop(columns='_merge') print(df3)
解释下逻辑：
how='left'表示保留df1的所有行，匹配df2的行indicator=True会自动生成一个_merge列，标记每一行的匹配状态：left_only（仅df1有）、right_only（仅df2有）、both（两边都有）- 最后筛选出
left_only的行，再删掉辅助的_merge列，就得到目标结果了
小提醒
如果df2里有重复的ID，建议先对df2的ID去重，避免不必要的判断：
# 先去重再判断 df3 = df1[~df1['ID'].isin(df2['ID'].drop_duplicates())]
内容的提问来源于stack exchange，提问作者Code_Curious
相关产品推荐
相关产品推荐
