在 Pandas 中的两个 DataFrame 之间选择唯一的行

Question

我有两个尺寸不等的数据框 A 和 B。我想创建一个数据框 C，使其仅包含 A 和 B 之间唯一的行。我尝试遵循此解决方案 (excluding rows from a pandas dataframe based on column value and not index value) 但无法使其正常工作。

示例如下：

假设这是 DF_A：

    Star_ID         Loc_ID      pmRA        pmDE    Field     Jmag    Hmag  
 2M00000032+5737103  4264    0.000000    0.000000    N7789   10.905  10.635
 2M00000068+5710233  4264    8.000000    -18.000000  N7789   10.664  10.132
 2M00000222+5625359  4264    0.000000    0.000000    N7789   11.982  11.433
 2M00000818+5634264  4264    0.000000    0.000000    N7789   12.501  11.892
 2M00001242+5524391  4264    0.000000    -4.000000   N7789   12.091  11.482

这是DF_B：

2M00000032+5737103  
2M00000068+5710233
2M00001242+5524391

因此，前两个和最后一个 Star_ID 在 DF_A 和 DF_B 之间是通用的。我想创建 DF_C 这样：

DF_C：

        Star_ID         Loc_ID      pmRA        pmDE    Field     Jmag    Hmag
     2M00000222+5625359  4264    0.000000    0.000000    N7789   11.982  11.433
     2M00000818+5634264  4264    0.000000    0.000000    N7789   12.501  11.892

Answer 1

这对我有用：

In [7]:

df1[~df1.Star_ID.isin(df2.Star_ID)]

Out[7]:

              Star_ID  Loc_ID  pmRA  pmDE  Field    Jmag    Hmag
2  2M00000222+5625359    4264     0     0  N7789  11.982  11.433
3  2M00000818+5634264    4264     0     0  N7789  12.501  11.892

[2 rows x 7 columns]

所以我们在这里做的是创建一个布尔掩码，我们询问Star_ID 值在两个数据帧中的位置，但是通过使用~ 我们NOT 实际上否定它的条件。您链接到的内容几乎相同，但我认为您可能不了解语法？

编辑

为了获得仅在 df1 中的值和仅在 df2 中的值，您可以这样做

unique_vals = df1[~df1.Star_ID.isin(df2.Star_ID)].append(df2[~df2.Star_ID.isin(df1.Star_ID)], ignore_index=True)

进一步编辑

所以问题是 csv 有前导空格，这导致两个数据集中的所有值都是唯一的，要纠正这个问题，您需要这样做：

df1.Apogee_ID = df1.Apogee_ID.str.lstrip()