如何基于指定列对比Pandas DataFrame中不同类别的差异？

原始数据构造 #

import pandas as pd
A = pd.DataFrame({'col1': ['A', 'A', 'B', 'B'], 'col2':['x','y','x1','y']})

生成的DataFrame如下：

需求说明 #

对比col1中类别A和B在col2上的取值差异，找出：

• A有但B没有的col2值
• B有但A没有的col2值

实现方案 #

方案一：利用集合差集（简洁高效） #

集合天然支持成员关系对比，差集操作可直接得到两类的取值差异：

# 提取两类的col2值集合
a_col2_set = set(A[A['col1'] == 'A']['col2'])
b_col2_set = set(A[A['col1'] == 'B']['col2'])

# 计算差异
a_not_b = a_col2_set - b_col2_set
b_not_a = b_col2_set - a_col2_set

print("A有但B没有的col2值:", a_not_b)  # 输出: {'x'}
print("B有但A没有的col2值:", b_not_a)  # 输出: {'x1'}

方案二：使用Pandas的isin方法（贴合API风格） #

通过isin方法判断取值是否存在于另一类的集合中，筛选出差异值：

# 获取B类的col2值列表
b_col2_vals = A[A['col1'] == 'B']['col2']
# 筛选A类中不在B类col2里的取值并去重
a_not_b = A[(A['col1'] == 'A') & (~A['col2'].isin(b_col2_vals))]['col2'].unique()

# 获取A类的col2值列表
a_col2_vals = A[A['col1'] == 'A']['col2']
# 筛选B类中不在A类col2里的取值并去重
b_not_a = A[(A['col1'] == 'B') & (~A['col2'].isin(a_col2_vals))]['col2'].unique()

print("A有但B没有的col2值:", a_not_b)  # 输出: ['x']
print("B有但A没有的col2值:", b_not_a)  # 输出: ['x1']

内容的提问来源于stack exchange，提问作者navee pp