设置Pandas中两个数据帧的差异[重复]

Question

这个问题在这里已有答案：

• Create hash value for each row of data with selected columns in dataframe in python pandas 2回答

我希望有人可以帮助解决这个问题。之前已经提出了类似的问题，但他们的答案并不完全正确，即使是选定的答案。

我想得到两个Pandas数据帧的设置差异。意思是，df1 - df2等于在df1中存在但在df2中不存在的行。 df1中但df2中没有的任何行必须在结果中。共同的行不得在结果中。经典集差异定义。

此外，必须忽略指数。这意味着必须通过以下方式确定两行的相等性：

1）它们是否具有相同的列名（如果它们包含数据帧，则满足）和

2）如果1为真，那么对于每一列，它们的值是否完全相同（字符串匹配 - 好吧，我们也可以考虑不区分大小写）

其他问题中的示例是简化的，虽然它们可能在有限的范围内工作，但它们并不适用于所有情况。请尝试考虑列中的值可能不是简单数据类型，而是列表或元组本身的情况。或者，如果有人后来定义了自定义类型及其equals方法，则该解决方案也适用于这些类型。

Answer 1

您可以尝试散列行然后检查

防爆。

df1['match'] = df.apply(lambda x: hash(tuple(x)), axis=1)
df2['match'] = df2.apply(lambda x: hash(tuple(x)), axis=1)
df_diff = df1[~df1['match'].isin(df2['match'])]