Pythonパンダ-2つのデータフレームの違いを見つける

2つのデータフレームdf1とdf2があります。ここで、df2はdf1のサブセットです。2つのデータフレームの違いである新しいデータフレーム（df3）を取得するにはどうすればよいですか？

言い換えると、df2にないdf1のすべての行/列を持つデータフレーム？

を使用して drop_duplicates

pd.concat([df1,df2]).drop_duplicates(keep=False)

Update :

Above method only working for those dataframes they do not have duplicate itself, For example

df1=pd.DataFrame({'A':[1,2,3,3],'B':[2,3,4,4]})
df2=pd.DataFrame({'A':[1],'B':[2]})

以下のように出力されますが、これは間違いです

間違った出力：

pd.concat([df1, df2]).drop_duplicates(keep=False)
Out[655]: 
   A  B
1  2  3

正しい出力

Out[656]: 
   A  B
1  2  3
2  3  4
3  3  4

それを達成する方法は？

方法1：で使用isinするtuple

df1[~df1.apply(tuple,1).isin(df2.apply(tuple,1))]
Out[657]: 
   A  B
1  2  3
2  3  4
3  3  4

方法2：mergeとindicator

df1.merge(df2,indicator = True, how='left').loc[lambda x : x['_merge']!='both']
Out[421]: 
   A  B     _merge
1  2  3  left_only
2  3  4  left_only
3  3  4  left_only

行の場合Nameは、これを試してください。ここで、はジョイントインデックス列です（複数の共通列のリストにすることも、left_onandを指定することもできますright_on）。

m = df1.merge(df2, on='Name', how='outer', suffixes=['', '_'], indicator=True)

このindicator=True設定は_merge、との間のすべての変更df1を含むdf2、「left_only」、「right_only」、または「both」の3つの可能な種類に分類されるという列を追加するので便利です。

列については、これを試してください。

set(df1.columns).symmetric_difference(df2.columns)

受け入れられた回答方法1は、NaNが内部にあるデータフレームでは機能しませんpd.np.nan != pd.np.nan。これが最善の方法かどうかはわかりませんが、次の方法で回避できます。

df1[~df1.astype(str).apply(tuple, 1).isin(df2.astype(str).apply(tuple, 1))]

edit2、インデックスを設定せずに新しいソリューションを見つけました

newdf=pd.concat([df1,df2]).drop_duplicates(keep=False)

さて、私は最高票の答えがすでに私が理解したものを含んでいるのを見つけました。はい、このコードを使用できるのは、2つのdfのそれぞれに重複がないことを条件とします。

トリッキーな方法があります。まず、質問で指定された2つのデータフレームのインデックスとして「名前」を設定します。2つのdfに同じ「​​名前」があるので、「大きい」dfから「小さい」dfのインデックスを削除できます。これがコードです。

df1.set_index('Name',inplace=True)
df2.set_index('Name',inplace=True)
newdf=df1.drop(df2.index)

import pandas as pd
# given
df1 = pd.DataFrame({'Name':['John','Mike','Smith','Wale','Marry','Tom','Menda','Bolt','Yuswa',],
    'Age':[23,45,12,34,27,44,28,39,40]})
df2 = pd.DataFrame({'Name':['John','Smith','Wale','Tom','Menda','Yuswa',],
    'Age':[23,12,34,44,28,40]})

# find elements in df1 that are not in df2
df_1notin2 = df1[~(df1['Name'].isin(df2['Name']) & df1['Age'].isin(df2['Age']))].reset_index(drop=True)

# output:
print('df1\n', df1)
print('df2\n', df2)
print('df_1notin2\n', df_1notin2)

# df1
#     Age   Name
# 0   23   John
# 1   45   Mike
# 2   12  Smith
# 3   34   Wale
# 4   27  Marry
# 5   44    Tom
# 6   28  Menda
# 7   39   Bolt
# 8   40  Yuswa
# df2
#     Age   Name
# 0   23   John
# 1   12  Smith
# 2   34   Wale
# 3   44    Tom
# 4   28  Menda
# 5   40  Yuswa
# df_1notin2
#     Age   Name
# 0   45   Mike
# 1   27  Marry
# 2   39   Bolt

おそらく、同じまたは異なる列名を持つ、より単純なワンライナーです。df2 ['Name2']に重複する値が含まれている場合でも機能しました。

newDf = df1.set_index('Name1')
           .drop(df2['Name2'], errors='ignore')
           .reset_index(drop=False)

ここ で述べたように

df1[~df1.apply(tuple,1).isin(df2.apply(tuple,1))]

正しい解決策ですが、次の場合は間違った出力が生成されます

df1=pd.DataFrame({'A':[1],'B':[2]})
df2=pd.DataFrame({'A':[1,2,3,3],'B':[2,3,4,4]})

その場合、上記のソリューションは空のDataFrameを提供し ますが、代わりにconcat、各datframeから重複を削除した後にメソッドを使用する必要があります。

使用する concate with drop_duplicates

df1=df1.drop_duplicates(keep="first") 
df2=df2.drop_duplicates(keep="first") 
pd.concat([df1,df2]).drop_duplicates(keep=False)

既存のデータフレームのインデックスを変更する必要のない、素敵な@liangliのソリューションのわずかなバリエーション：

newdf = df1.drop(df1.join(df2.set_index('Name').index))

インデックスによる違いの検索。df1がdf2のサブセットであり、サブセット化時にインデックスが繰り越されると仮定します。

df1.loc[set(df1.index).symmetric_difference(set(df2.index))].dropna()

# Example

df1 = pd.DataFrame({"gender":np.random.choice(['m','f'],size=5), "subject":np.random.choice(["bio","phy","chem"],size=5)}, index = [1,2,3,4,5])

df2 =  df1.loc[[1,3,5]]

df1

 gender subject
1      f     bio
2      m    chem
3      f     phy
4      m     bio
5      f     bio

df2

  gender subject
1      f     bio
3      f     phy
5      f     bio

df3 = df1.loc[set(df1.index).symmetric_difference(set(df2.index))].dropna()

df3

  gender subject
2      m    chem
4      m     bio

受け入れられた答えに加えて、任意の/を持つ2つのデータフレームの2Dセットの違いを見つけることができるもう1つのより広いソリューションを提案したいと思います（両方のデータラムで一致しない可能性があります）。また、メソッドでは、データフレーム比較のために要素の許容値を設定できます（使用します）indexcolumnsfloatnp.isclose

import numpy as np
import pandas as pd

def get_dataframe_setdiff2d(df_new: pd.DataFrame, 
                            df_old: pd.DataFrame, 
                            rtol=1e-03, atol=1e-05) -> pd.DataFrame:
    """Returns set difference of two pandas DataFrames"""

    union_index = np.union1d(df_new.index, df_old.index)
    union_columns = np.union1d(df_new.columns, df_old.columns)

    new = df_new.reindex(index=union_index, columns=union_columns)
    old = df_old.reindex(index=union_index, columns=union_columns)

    mask_diff = ~np.isclose(new, old, rtol, atol)

    df_bool = pd.DataFrame(mask_diff, union_index, union_columns)

    df_diff = pd.concat([new[df_bool].stack(),
                         old[df_bool].stack()], axis=1)

    df_diff.columns = ["New", "Old"]

    return df_diff

例：

In [1]

df1 = pd.DataFrame({'A':[2,1,2],'C':[2,1,2]})
df2 = pd.DataFrame({'A':[1,1],'B':[1,1]})

print("df1:\n", df1, "\n")

print("df2:\n", df2, "\n")

diff = get_dataframe_setdiff2d(df1, df2)

print("diff:\n", diff, "\n")

Out [1]

df1:
   A  C
0  2  2
1  1  1
2  2  2 

df2:
   A  B
0  1  1
1  1  1 

diff:
     New  Old
0 A  2.0  1.0
  B  NaN  1.0
  C  2.0  NaN
1 B  NaN  1.0
  C  1.0  NaN
2 A  2.0  NaN
  C  2.0  NaN