利用Pandas求两个dataframe差集的过程详解

求两个dataframe的差集其实就是找到第一个dataframe中不在第二个dataframe中出现的记录。利用Pandas可以非常方便地完成这个过程。

在实现中，首先需要将两个dataframe进行合并（即concat），然后对该合并后的表进行去重（即drop_duplicates），最后再筛选出不在第二个dataframe的记录（即~df3.isin(df2)）即可。

以下是示例代码说明：

import pandas as pd

# 示例1
df1 = pd.DataFrame({'A': ['A1', 'A2', 'A3', 'A4'],
                    'B': ['B1', 'B2', 'B3', 'B4']})
df2 = pd.DataFrame({'A': ['A1', 'A2', 'A3'],
                    'B': ['B1', 'B2', 'B3']})

df3 = pd.concat([df1, df2])
df3 = df3.drop_duplicates()
diff_df = df3[~df3.isin(df2)]

print(diff_df)

# 示例2
df1 = pd.DataFrame({'A': ['A1', 'A2', 'A3', 'A4'],
                    'B': ['B1', 'B2', 'B3', 'B4']})
df2 = pd.DataFrame({'A': ['A3', 'A2'],
                    'B': ['B3', 'B2']})

df3 = pd.concat([df1, df2])
df3 = df3.drop_duplicates()
diff_df = df3[~df3.isin(df2)]

print(diff_df)

第一个示例中，df1和df2分别为两个不同的dataframe。利用concat方法将它们拼接起来，然后利用drop_duplicates去重。最后在合并后的表df3筛选出不在df2中的记录即为两个dataframe的差集。

第二个示例中，df1和df2与第一个示例相同，只是数据有所不同。同样地，将它们合并、去重后筛选出不在df2中的记录，即为两个dataframe的差集。