基于条件去重：Pandas数据处理及Excel导出问题求助

需求说明 #

删除col1中所有出现在col2里的值，删除col2列后将结果导出到Excel表格。

初始数据 #

import pathlib
from pathlib import Path
import os 
import pandas as pd 

df=pd.DataFrame(
    {
        'col1': ['red','blue','red','red','green','red','yellow', 'red', 'cyan', 'purple', 'pink', 'black', 'orange'],
        'col2': ['red', 'green','orange'],
    }
)

预期输出 #

df=pd.DataFrame(
    {
        'col1': ['blue', 'yellow', 'cyan', 'purple', 'pink', 'black']
    }
)

错误代码问题分析 #

1. 匹配逻辑错误：df[(df['col1'] == df['col2'])]是逐行对比两列值，但两列长度不一致（col1有13行、col2仅3行），触发广播机制后筛选结果完全不符合需求，应该用isin()判断col1值是否在col2的集合中。
2. inplace用法错误：df = df.drop(['col2'], inplace=True)中，inplace=True会让drop方法返回None，直接赋值给df会导致后续操作报错。
3. 参数位置错误：os.startfile(File_path, index=False)里的index=False是to_excel的参数，不应放在os.startfile中，且File_path未定义。

修正后的完整代码 #

import pathlib
from pathlib import Path
import os 
import pandas as pd 

df_output = Path.home().joinpath("Desktop", "Remaining colors.xlsx")

df=pd.DataFrame(
    {
        'col1': ['red','blue','red','red','green','red','yellow', 'red', 'cyan', 'purple', 'pink', 'black', 'orange'],
        'col2': ['red', 'green','orange'],
    }
)

# 筛选col1中不在col2里的值，仅保留col1列
df = df.loc[~df['col1'].isin(df["col2"]), ['col1']]

# 导出到Excel，不生成默认索引
df.to_excel(df_output, index=False)
# 打开导出的文件
os.startfile(df_output)

代码解释 #

• ~df['col1'].isin(df["col2"])：isin()判断col1每个值是否存在于col2中，~取反得到所有不在col2中的行。
• df.loc[..., ['col1']]：直接保留col1列，无需再单独删除col2，一步得到符合预期的数据结构。
• to_excel(index=False)：导出时不添加默认索引列，与预期输出完全匹配。

内容的提问来源于stack exchange，提问作者Jose Daniel Rojas