Pandas 合并表：仅与第二个表不同的 ID

Question

我想弄清楚是否可以加入/合并/合并两个表，而不是“外部”，我想使用 pandas 内置选项从第二个表中选择不同的 ID。

现在我正在做一些事情 我感觉我的代码不是很优雅：

a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['c', '8', '1']]
b = [['a', '52', '49'], ['b', '23', '0.05'], ['x', '5', '0']]
df1 = pd.DataFrame(a, columns=['id_col', 'two', 'three'])
df2 = pd.DataFrame(b, columns=['id_col', 'two', 'three'])


# remove df2 entries also in df1
different_ids = set(df2.id_col).difference(set(df1.id_col))
df2 = df2[df2.id_col.isin(different_ids)]
# merge data frames
df_merged = pd.concat([df1,df2])

合并后的 df 应该有来自 df1 的条目 a、b、c 和来自 df2 的 x。

Answer 1

你可以concatdf1和df2然后drop_duplicates列id_col。

>>> df = pd.concat((df1, df2))
>>> print(df.drop_duplicates('id_col'))
  id_col  two three
0      a  1.2   4.2
1      b   70  0.03
2      c    8     1
2      x    5     0

Answer 2

我认为您可以通过将不在df1.id_col 中的id_col 子集df2 与isin 然后连接df1 并生成数据框来完成所有这些：

res = pd.concat([df1, df2[~df2.id_col.isin(df1.id_col)]])

In [186]: res
Out[186]:
  id_col  two three
0      a  1.2   4.2
1      b   70  0.03
2      c    8     1
2      x    5     0

时间：

In [23]: %timeit pd.concat((df1, df2)).drop_duplicates('id_col')
100 loops, best of 3: 1.95 ms per loop

In [24]: %timeit pd.concat([df1, df2[~df2.id_col.isin(df1.id_col)]])
100 loops, best of 3: 1.79 ms per loop

从时间比较来看，这更快..