Pandas的DataFrame如何做交集,并集,差集與對稱差集
一、簡介
Python的數(shù)據(jù)類型集合:由不同元素組成的集合,集合中是一組無序排列的可 Hash 的值(不可變類型),可以作為字典的Key
Pandas
中的DataFrame
:DataFrame
是一個(gè)表格型的數(shù)據(jù)結(jié)構(gòu),可以理解為帶有標(biāo)簽的二維數(shù)組。
常用的集合操作如下圖所示:
二、交集
pandas
的merge
功能默認(rèn)為 inner 連接,可以實(shí)現(xiàn)取交集- 集合
set
可以直接用 & 取交集
import pandas as pd print("CSDN葉庭云:https://yetingyun.blog.csdn.net/") set1 = {"Python", "Go", "C++", "Java"} set2 = {"Go", "C++", "JavaScript", "C"} set1 & set2 df1 = pd.DataFrame([ ? ? ? ? ['1', 'Python'], ? ? ? ? ['2', 'Go'], ? ? ? ? ['3', 'C++'], ? ? ? ? ['4', 'Java'], ? ? ], columns=['id','name']) df2 = pd.DataFrame([ ? ? ? ? ['2','Go'], ? ? ? ? ['3','C++'], ? ? ? ? ['5','JavaScript'], ? ? ? ? ['6','C'], ? ? ], columns=['id','name']) pd.merge(df1, df2, on=['id','name'])
操作如下所示:
三、并集
- Pandas的 merge 方法里參數(shù) how 的取值有 “left”, “right”, “inner”, “outer”,默認(rèn)是inner。outer外連接可以實(shí)現(xiàn)取并集。另一種方法也可以df1.append(df2)后去重,保留第一次出現(xiàn)的也可以實(shí)現(xiàn)取并集。
- 集合 set 可以直接用 | 取并集
set1 = {"Python", "Go", "C++", "Java"} set2 = {"Go", "C++", "JavaScript", "C"} set1 | set2 print("CSDN葉庭云:https://yetingyun.blog.csdn.net/") df1 = pd.DataFrame([ ? ? ? ? ['1', 'Python'], ? ? ? ? ['2', 'Go'], ? ? ? ? ['3', 'C++'], ? ? ? ? ['4', 'Java'], ? ? ], columns=['id','name']) df2 = pd.DataFrame([ ? ? ? ? ['2','Go'], ? ? ? ? ['3','C++'], ? ? ? ? ['5','JavaScript'], ? ? ? ? ['6','C'], ? ? ], columns=['id','name']) pd.merge(df1, df2, ? ? ? ? ?on=['id','name'], ? ? ? ? ?how='outer') ? ? ? ? ? df3 = df1.append(df2) df3.drop_duplicates(subset=['id'], keep="first")
四、差集
set1 = {"Python", "Go", "C++", "Java"} set2 = {"Go", "C++", "JavaScript", "C"} set1 - set2 print("CSDN葉庭云:https://yetingyun.blog.csdn.net/") set1 = {"Python", "Go", "C++", "Java"} set2 = {"Go", "C++", "JavaScript", "C"} set2 - set1 # df1-df2 df1 = pd.DataFrame([ ? ? ? ? ['1', 'Python'], ? ? ? ? ['2', 'Go'], ? ? ? ? ['3', 'C++'], ? ? ? ? ['4', 'Java'], ? ? ], columns=['id','name']) df2 = pd.DataFrame([ ? ? ? ? ['2','Go'], ? ? ? ? ['3','C++'], ? ? ? ? ['5','JavaScript'], ? ? ? ? ['6','C'], ? ? ], columns=['id','name']) df1 = df1.append(df2) df1 = df1.append(df2) set_diff_df = df1.drop_duplicates(subset=df1.columns, ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? keep=False) set_diff_df # df2-df1 df1 = pd.DataFrame([ ? ? ? ? ['1', 'Python'], ? ? ? ? ['2', 'Go'], ? ? ? ? ['3', 'C++'], ? ? ? ? ['4', 'Java'], ? ? ], columns=['id','name']) df2 = pd.DataFrame([ ? ? ? ? ['2','Go'], ? ? ? ? ['3','C++'], ? ? ? ? ['5','JavaScript'], ? ? ? ? ['6','C'], ? ? ], columns=['id','name']) print("CSDN葉庭云:https://yetingyun.blog.csdn.net/") df2 = df2.append(df1) df2 = df2.append(df1) set_diff_df = df2.drop_duplicates(subset=df2.columns, ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? keep=False) set_diff_df # df1-df2 df1 = pd.DataFrame([ ? ? ? ? ['1', 'Python'], ? ? ? ? ['2', 'Go'], ? ? ? ? ['3', 'C++'], ? ? ? ? ['4', 'Java'], ? ? ], columns=['id','name']) df2 = pd.DataFrame([ ? ? ? ? ['2','Go'], ? ? ? ? ['3','C++'], ? ? ? ? ['5','JavaScript'], ? ? ? ? ['6','C'], ? ? ], columns=['id','name']) pd.concat([df1, df2, df2]).drop_duplicates(keep=False) # df2-df1 df1 = pd.DataFrame([ ? ? ? ? ['1', 'Python'], ? ? ? ? ['2', 'Go'], ? ? ? ? ['3', 'C++'], ? ? ? ? ['4', 'Java'], ? ? ], columns=['id','name']) df2 = pd.DataFrame([ ? ? ? ? ['2','Go'], ? ? ? ? ['3','C++'], ? ? ? ? ['5','JavaScript'], ? ? ? ? ['6','C'], ? ? ], columns=['id','name']) pd.concat([df2, df1, df1]).drop_duplicates(keep=False)
五、對稱差集
print("CSDN葉庭云:https://yetingyun.blog.csdn.net/") set1 = {"Python", "Go", "C++", "Java"} set2 = {"Go", "C++", "JavaScript", "C"} set1 ^ set2 ? ?# 對稱差集 # 去重 ? 不保留重復(fù)的:即可實(shí)現(xiàn)取對稱差集 df3 = df1.append(df2) df3.drop_duplicates(subset=['id'], keep=False)
到此這篇關(guān)于Pandas
的DataFrame
如何做交集,并集,差集與對稱差集的文章就介紹到這了,更多相關(guān)Pandas的DataFrame如何做交集,并集,差集與對稱差集內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python?運(yùn)算符Inplace?與Standard?
這篇文章主要介紹了Python?運(yùn)算符Inplace?與Standard,nplace運(yùn)算符的行為類似于普通運(yùn)算符,只是它們在可變和不可變目標(biāo)的情況下以不同的方式運(yùn)行2022-09-09Python服務(wù)器創(chuàng)建虛擬環(huán)境跑代碼
本文主要介紹了Python服務(wù)器創(chuàng)建虛擬環(huán)境跑代碼,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-07-07對python PLT中的image和skimage處理圖片方法詳解
今天小編就為大家分享一篇對python PLT中的image和skimage處理圖片方法詳解,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01Flask wtforms實(shí)現(xiàn)表單驗(yàn)證使用
本文主要介紹了Flask wtforms實(shí)現(xiàn)表單驗(yàn)證使用,文中通過示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-08-08