如何使用Pandas按Code列取两个DataFrame的差集生成新DataFrame

方法1：使用isin()布尔索引（最简洁高效） #

直接通过集合匹配筛选df2中Code不在df1的Code列中的行即可，无需遍历：

# 提取df1中所有唯一的Code值，去重可大幅提升大数据量下的匹配效率
df1_code_set = df1['Code'].unique()
# 取反筛选得到符合要求的df3，reset_index可选，用于重置结果的行索引
df3 = df2[~df2['Code'].isin(df1_code_set)].reset_index(drop=True)

方法2：使用merge关联实现（适合多字段匹配场景） #

如果你需要用merge实现，需要配合外连接和indicator参数标记行的来源，再筛选仅在df2中存在的行即可：

# 仅取df1的Code列做关联，避免冗余字段影响结果
temp_df = df1[['Code']].merge(df2, on='Code', how='outer', indicator=True)
# 筛选仅在df2中存在的行，删除标记列后重置索引
df3 = temp_df[temp_df['_merge'] == 'right_only'].drop(columns=['_merge']).reset_index(drop=True)

以上两种方案都是Pandas原生的向量化操作，完全符合Pythonic的写法，性能远高于逐行遍历。

内容的提问来源于stack exchange，提问作者chowpay