如何用Pandas对比CSV两列数据并生成差异值新列？

原始CSV文件内容 #

Email Invite                    Email Denied                                                                                       
batman@email.com                batman@email.com                       
poisonivy@email.com             catgirl@email.com             
superman@email.com              supergirl@email.com           
catgirl@email.com                           
joker@email.com                             
supergirl@email.com   

需求说明 #

对比Email Invite和Email Denied两列，生成名为Emails Left的新列，包含所有未出现在Email Denied列中的邮箱（示例中额外包含了flash@email.com，需支持此类新增邮箱的添加）。

现有待完善代码 #

import pandas as pd

Dir='invites.csv'

df = pd.read_csv(Dir)
df = pd.DataFrame(df)

a = len(df['Email invite'])
aList = []

for i in range(a):
    if df['Email invite'][i] != df['Email Denied'][i]:
        aList.append(df['Email Invite'][i])  

#place list as third column df['Emails Left']

修正后的完整代码 #

import pandas as pd

# 读取CSV文件，原文件为多空格分隔，用sep='\s+'正确识别列
df = pd.read_csv('invites.csv', sep='\s+', header=0)

# 获取Email Denied列的非空邮箱集合，用于快速判断
denied_emails = set(df['Email Denied'].dropna())

# 筛选Email Invite中未出现在拒绝列表里的邮箱
left_emails = df['Email Invite'].dropna()[~df['Email Invite'].dropna().isin(denied_emails)].tolist()

# 添加示例中的额外邮箱（按需添加）
left_emails.append('flash@email.com')

# 将筛选结果填充到新列，行数不足时自动留空
df['Emails Left'] = pd.Series(left_emails).reindex(df.index)

# 把新增邮箱追加到Email Invite列末尾，匹配示例输出格式
df = df._append({'Email Invite': 'flash@email.com'}, ignore_index=True)

# 查看最终结果
print(df)

代码说明 #

1. 文件读取：用sep='\s+'处理多空格分隔的CSV，避免列识别混乱；
2. 筛选逻辑：通过集合快速判断邮箱是否在拒绝列表中，替代逐行对比的低效逻辑；
3. 列填充：用reindex保证新列长度与原表一致，空缺位置自动留空；
4. 行追加：通过_append添加示例中的额外邮箱行，匹配需求输出的格式。

内容的提问来源于stack exchange，提问作者noobCoder