如何在列数不同的pandas DataFrame中对同名列做减法并保留其他列

可以通过以下步骤实现，无需手动指定列名：

1. 提取同名列：利用列名的交集操作，自动找出两个DataFrame共有的列
2. 计算同名列差值：对共有的列执行减法运算
3. 提取独有列：分别获取两个DataFrame中独有的列
4. 合并结果：将差值结果与所有独有列拼接成新的DataFrame

完整代码示例 #

import pandas as pd

data1 = {'Brazil': [1, 2], 'Chile': [3, 4], 'Indonesia': [5, 6], 'China': [7, 8]}
data2 = {'Brazil': [0, 1], 'Chile': [2, 3], 'China': [4, 5]}

df1 = pd.DataFrame(data=data1)
df2 = pd.DataFrame(data=data2)

# 获取同名列
common_cols = df1.columns.intersection(df2.columns)
# 计算同名列的差值
diff_result = df1[common_cols] - df2[common_cols]
# 获取df1独有的列
df1_unique = df1[df1.columns.difference(df2.columns)]
# 如果df2有独有列，同样提取（示例中df2无独有列，可根据实际情况保留）
df2_unique = df2[df2.columns.difference(df1.columns)]

# 合并所有部分到新DataFrame
final_df = pd.concat([diff_result, df1_unique, df2_unique], axis=1)

# 可选：恢复原DataFrame中的列顺序（如果需要）
# final_df = final_df[df1.columns.union(df2.columns)]

print(final_df)

运行结果 #

Brazil  Chile  China  Indonesia
0       1      1      3          5
1       1      1      3          6

说明 #

• columns.intersection() 自动筛选出两个DataFrame的共同列，完全避免手动指定列名，适合处理大量列的场景
• columns.difference() 提取当前DataFrame独有的列，确保不会遗漏任何独有数据
• pd.concat(axis=1) 按列拼接数据，保证所有需要的列都被整合到结果中
• 如果需要保持原DataFrame的列顺序，可以取消最后一行注释，用union()获取所有列的完整顺序

内容的提问来源于stack exchange，提问作者danielssl