时间戳

首页 > 解决方案 > Dataframe.isin 对我不起作用，即使有相交的行也返回相同的行数

python - Dataframe.isin 对我不起作用，即使有相交的行也返回相同的行数

问题描述

我在另一个数据集的 for 循环中应用内部联接，现在我只需要删除已经是内部联接一部分的行，所以我使用 Dataframe.isin(another_df) 但它没有给我预期的结果。我检查了列名和它们的数据类型，它们都是一样的。有人可以帮我吗？

在下面的代码中，isin 是我在两个数据帧之间检查的地方，但我仍然没有得到任何响应，即使它们具有相同的行数和列数，我也会得到相同的行集。注意：我在 isin 函数中删除了一个额外的列，因为它是其中一个数据帧中存在的额外列。我的代码如下所示：

df = pd.DataFrame(columns= override.columns)

for i in list1:
    join_value = tuple(i)
    i.append('creditor_tier_interim')
    subset_df = override.merge(criteria[i].dropna(), on = list(join_value), how = 'inner')
    subset_df['PRE_CHARGEOFF_FLAG'] = pd.to_numeric(subset_df.PRE_CHARGEOFF_FLAG)
    override=override[~override.isin(subset_df.drop(columns = 'creditor_tier_interim'))].dropna(how = 'all')
    print('The override shape would be:', override.shape)
    df = df.append(subset_df)
df = df.append(override)

标签： pythonpython-3.xpandasdataframeisin

解决方案

听起来好像您有“左”和“右”数据框，并且您正在寻找那些仅在其中一个或另一个中的记录。下面返回仅在右侧或左侧 DataFrame 中的行。

import pandas as pd
import numpy as np
from pandas import DataFrame, Series

dataframe_left = DataFrame(np.random.randn(25).reshape(5,5),columns=['A','B','C','D','E'],index=np.arange(5))
dataframe_right = DataFrame(np.random.randn(25).reshape(5,5),columns=['A','B','C','D','E'],index=np.arange(5))

insert_left = DataFrame(np.arange(5).reshape(1,5),columns=['A','B','C','D','E'],index=[7])
insert_right = DataFrame(np.arange(5).reshape(1,5),columns=['A','B','C','D','E'], index=[6])

dataframe_right = dataframe_right.append(insert_right)
dataframe_left = dataframe_left.append(insert_left)

上面的代码产生这个输出

左表

一个 乙 C D 乙
0 -0.3240086903973736 1.0441549453943946 -0.23640436950107843 0.5466767470739027 -0.2123693649877372
1 -0.04263388410830733 -0.4855492977594353 -1.5584284407735072 1.2438524586306603 -0.31087239909921277
2 0.6982581750529829 -0.42379154444215905 1.1625089013522614 -3.378898146269229 1.0550121763954057
3 0.3774337535208665 0.6402576096348337 -0.2787520258645991 0.31071767629270125 0.34499495360962007
4 -0.133649590435452 0.3679768579635411 -2.0196709364730014 1.2860033685128436 -0.49674737879741193
7 0.0 1.0 2.0 3.0 4.0

右表

一个 乙 C D 乙
0 -0.09946693056759418 -0.03378933704588447 -0.4117873368048701 0.21976489856531914 -0.7020527418892488
1 -2.9936183481793233 0.42443360961021837 -0.1681576564885903 -0.5080538565354785 -0.29483296271514153
2 -0.6567306172004121 -1.221239625798079 -1.2604670988941196 0.44472543746187265 -0.4562966381137614
3 -0.0027697712245823482 0.1323767897141191 -0.11073953230359104 -0.3596157927825233 1.9894525572891626
4 0.5170901011452596 -1.1694605240821456 0.29238712582282705 -0.38912521589557797 -0.8793074660039492
6 0.0 1.0 2.0 3.0 4.0

设置好测试数据框后，我们可以加入两者并过滤我们感兴趣的行：

tmp = pd.merge(
  left=dataframe_left,
  right=dataframe_right,
  right_index=True,
  left_index=True,
  how='outer',
  suffixes=['_left','_right'],
  indicator=True
)

tmp[tmp._merge.isin(['right_only','left_only'])]

这会产生以下结果

A_left B_left C_left D_left E_left A_right 明亮的 C_right D_right E_right _合并
6 0.0 1.0 2.0 3.0 4.0 right_only
7 0.0 1.0 2.0 3.0 4.0 left_only

推荐阅读