Pandas取交集、并集、差集

数据合并有多种方式，其中最常见的应该就是交集、并集差集的求取。

取交集

pandas数据merge功能默认的行为是交集，inner连接

import pandas as pd
df1=pd.DataFrame([
        ['1','张三'],
        ['2','王丽'],
        ['3','王麻子'],
        ['4','王二虎'],
    ],columns=['id','name'])
df2=pd.DataFrame([
        ['2','王丽'],
        ['3','王麻子'],
        ['5','大飞'],
        ['6','小明'],
    ],columns=['id','name'])
pd.merge(df1,df2,on=['id','name'])

	id	name
0	2	王丽
1	3	王麻子

取并集

how的取值有'left','right','inner','outer'，默认是inner。

pd.merge(df1,df2,on=['id','name'],how='outer')

	id	name
0	1	张三
1	2	王丽
2	3	王麻子
3	4	王二虎
4	5	大飞
5	6	小明

取差集

先添加到后面，再删除重复出现的。

df5=pd.DataFrame([
        ['1','张三'],
        ['2','王丽'],
        ['3','王麻子'],
        ['4','王二虎'],
    ],columns=['id','name'])
df6=pd.DataFrame([
        ['2','王丽'],
        ['3','王麻子']
    ],columns=['id','name'])

df5=df5.append(df6)
df5

	id	name
0	1	张三
1	2	王丽
2	3	王麻子
3	4	王二虎
0	2	王丽
1	3	王麻子

df5=df5.drop_duplicates(subset=['id'],keep=False)
df5

	id	name
0	1	张三
3	4	王二虎