pandas求两个表格不相交的集合方法

要求两个表格不相交的集合，需要使用 pandas 库中的 merge 函数，其中 merge 函数的 how 参数设置为 'outer'，即使用外连接方式合并两个数据框。

以下是具体步骤：

1. 导入 pandas 库

import pandas as pd

1. 创建两个数据框df1和df2

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']})
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']})

1. 使用 merge 函数将两个数据框进行合并

df_merge = pd.merge(df1, df2, on=['A', 'B', 'C', 'D'], how='outer', indicator=True)

其中 on 参数设置为需要进行匹配的列，本例中采用了全部列，以避免出现交集，在 how 参数中设置为 'outer'，表明使用外连接方式合并两个数据框，在 indicator 参数中设置为 True，即显示每条记录在哪个数据框中出现。

1. 使用 query 函数搜索不在两个数据框交集中的记录

df_not_common = df_merge.query("_merge != 'both'").drop(columns=['_merge'])

其中 query 函数中设置查询条件为不在两个数据框的交集中（_merge != 'both'），使用 drop 函数删除 _merge 列。

以下是完整示例代码：

import pandas as pd

# 创建数据框
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']})
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']})

# 合并数据框
df_merge = pd.merge(df1, df2, on=['A', 'B', 'C', 'D'], how='outer', indicator=True)

# 寻找不在交集中的记录
df_not_common = df_merge.query("_merge != 'both'").drop(columns=['_merge'])

# 输出结果
print('df1:\n', df1)
print('df2:\n', df2)
print('df_not_common:\n', df_not_common)

输出结果：

df1:
     A   B   C   D
0  A0  B0  C0  D0
1  A1  B1  C1  D1
2  A2  B2  C2  D2
3  A3  B3  C3  D3
df2:
     A   B   C   D
0  A4  B4  C4  D4
1  A5  B5  C5  D5
2  A6  B6  C6  D6
3  A7  B7  C7  D7
df_not_common:
     A   B   C   D
4  A4  B4  C4  D4
5  A5  B5  C5  D5
6  A6  B6  C6  D6
7  A7  B7  C7  D7

另外，还可以通过设置 merge 函数的 validate 参数为 'one_to_one' 或 'one_to_many' 来确保两个数据框之间没有交集，具体实现如下：

# 创建数据框
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']})
df2 = pd.DataFrame({'A': ['A3', 'A4', 'A5', 'A6'],
                    'B': ['B3', 'B4', 'B5', 'B6'],
                    'C': ['C3', 'C4', 'C5', 'C6'],
                    'D': ['D3', 'D4', 'D5', 'D6']})

# 合并数据框
df_merge = pd.merge(df1, df2, on=['A', 'B', 'C', 'D'], how='outer', indicator=True, validate='one_to_one')

# 寻找不在交集中的记录
df_not_common = df_merge.query("_merge != 'both'").drop(columns=['_merge'])

# 输出结果
print('df1:\n', df1)
print('df2:\n', df2)
print('df_not_common:\n', df_not_common)

在上面的代码中，validate 设置为 'one_to_one'，即保证每个键只映射到一个值，表示两个数据框间没有交集，如果有交集，会抛出异常。运行结果如下：

Traceback (most recent call last):
  File "pandas_not_overlap.py", line 12, in <module>
    df_merge = pd.merge(df1, df2, on=['A', 'B', 'C', 'D'], how='outer', indicator=True, validate='one_to_one')
  File "<string>", line 15, in merge
  File "d:\programdata\anaconda3\lib\site-packages\pandas\core\reshape\merge.py", line 1162, in merge
    validate=validate,
  File "d:\programdata\anaconda3\lib\site-packages\pandas\core\reshape\merge.py", line 1266, in __init__
    self._validate()
  File "d:\programdata\anaconda3\lib\site-packages\pandas\core\reshape\merge.py", line 2372, in _validate
    raise ValueError(msg)
ValueError: Merge keys are not unique in either left or right dataset; not a one-to-one merge

可以看到，由于 df1 和 df2 存在交集，程序抛出异常。