根据另一个数据框值从熊猫数据框的行中删除系列值

Question

我的问题与here发布的问题有点不同

所以我想开一个新线程。我有一个带有 5 个属性的 pandas 数据框。其中一个属性是使用 pandas 系列创建的。这是创建数据框的示例代码

import numpy as np
mydf1=pd.DataFrame(columns=['group','id','name','mail','gender'])
data = np.array([2540948, 2540955, 2540956,2540956,7138932])
x=pd.Series(data)    
mydf1.loc[0]=[1,x,'abc','abc@xyz.com','male']

我有另一个数据框，创建数据框的代码如下

mydf2=pd.DataFrame(columns=['group','id'])
data1 = np.array([2540948, 2540955, 2540956])
y=pd.Series(data1)
mydf2.loc[0]=[1,y]

这些是样本数据。实际数据将有大量行，并且系列长度也很大。我想将 mydf1 与 mydf2 匹配，如果匹配，有时我不会在 mydf2 中有匹配的元素，那么我将从那里的 mydf1 中删除 id 的值例如，在 mydf2 中，运行后，我的 id 将是组 1 2540956,7138932。我还尝试了上面链接中提到的代码。但是对于第一行

counts = mydf1.groupby('id').cumcount()

我收到错误消息 TypeError：“系列”对象是可变的，因此它们不能被散列 在我的 Python 3.X 中。你能建议我如何解决这个问题吗？

Answer 1

这应该可行。我们使用Counter 来查找 2 个 id 列表之间的差异。 （p.s.这个问题不需要区分顺序。）

设置

import numpy as np
from collections import Counter
mydf1=pd.DataFrame(columns=['group','id','name','mail','gender'])
x = [2540948, 2540955, 2540956,2540956,7138932]
y = [2540948, 2540955, 2540956,2540956,7138932]
mydf1.loc[0]=[1,x,'abc','abc@xyz.com','male']
mydf1.loc[1]=[2,y,'def','def@xyz.com','female']

mydf2=pd.DataFrame(columns=['group','id'])
x2 = np.array([2540948, 2540955, 2540956])
y2 = np.array([2540955, 2540956])
mydf2.loc[0]=[1,x2]
mydf2.loc[1]=[2,y2]

代码

mydf3 = mydf1[["group", "id"]]
mydf3 = mydf3.merge(mydf2, how="inner", on="group")

new_id_finder = lambda x: list((Counter(x.id_x) - Counter(x.id_y)).elements())

mydf3["new_id"] = mydf3.apply(new_id_finder, 1)
mydf3["new_id"]
    group   new_id
0   1       [2540956, 7138932]
1   2       [2540948, 2540956, 7138932]

一个Counter 对象可以substract 另一个对象来获取元素出现的差异。然后，您可以使用elements 函数检索所有剩余的值。