标签：交集 drop df1 差集 df2 df pd filed

两个df对象,要获取这两个df对象的交集和差集
取交集
inner_df = pd.merge(df1, df2, how='inner') ## 计算df1=df2的部份

left_df = pd.merge(df1, df2, how='left') ## df1部分

right_df = pd.merge(df1, df2, how='right') ## df2部分

outer_df = pd.merge(df1, df2, how='outer') ## 取合集：df1和df2所有数据的集合

取差集
利用了drop_duplicates
df1-df2
df = pd.concat([df1, df2, df2]).drop_duplicates(subset=['filed_name', 'filed_type'], keep=False)
df2-df1
df = pd.concat([df2, df1, df1]).drop_duplicates(subset=['filed_name', 'filed_type'], keep=False)

等同于
fileds_df = df1.append(df2).drop_duplicates(subset=['filed_name', 'filed_type'], keep=False)
fileds_df = df2.append(df1).drop_duplicates(subset=['filed_name', 'filed_type'], keep=False)

标签：交集,drop,df1,差集,df2,df,pd,filed
来源： https://www.cnblogs.com/0916m/p/14248169.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。