如何从df1中提取不存在于df2的数值生成对应Series或集合

以下方案默认两个DataFrame中存储位置的列名为location，如果你的实际列名不同，替换为对应列名即可。 #

方法1：isin()取反实现（易读性最高，适合绝大多数场景） #

直接通过布尔索引筛选目标值，一行代码即可得到结果：

result = df1.loc[~df1['location'].isin(df2['location']), 'location']

逻辑说明：

• df1['location'].isin(df2['location'])返回布尔序列，标记df1的每一行location是否在df2中存在
• 前缀~是取反操作，筛选出不存在的行
• 最后取location列，直接得到Series类型的输出结果，会完整保留df1中location列的重复值、原有顺序

方法2：Index.difference()实现（性能更优，适合百万级以上大数据量） #

如果数据量很大，用索引差集的运算速度远高于逐行判断：

result = pd.Series(pd.Index(df1['location']).difference(pd.Index(df2['location'])), name='location')

注意：该方法返回的结果会自动去重且按值排序，如果需要保留原有顺序和重复值请使用方法1。 #

效果验证示例 #

你可以用测试代码确认效果：

import pandas as pd

# 构造测试数据
df1 = pd.DataFrame({'location': ['北京', '上海', '广州', '深圳', '成都', '北京']})
df2 = pd.DataFrame({'location': ['上海', '深圳', '杭州']})

# 调用方法1
result = df1.loc[~df1['location'].isin(df2['location']), 'location']
print(result)

输出结果：

0    北京
2    广州
4    成都
5    北京
Name: location, dtype: object

内容的提问来源于stack exchange，提问作者user12464879