对 2 个 pandas DataFrame 进行异或运算

Question

有什么方法可以从第一个 DataFrame 中删除第二个 DataFrame 中可以找到的所有行，并添加仅在第二个 DataFrame 中独有的行（= XOR）？这里有一个转折点：第一个 DataFrame 有一个列在比较过程中应被忽略。

import pandas as pd

df1 = pd.DataFrame({'col1': [1,2,3],
                   'col2': [4,5,6],
                   'spec': ['A','B','C']})

df2 = pd.DataFrame({'col1': [1,9],
                   'col2': [4,9]}) 


result = pd.DataFrame({'col1': [2,3,9],
                   'col2': [5,6,9],
                   'spec': ['B','C','df2']})

df1 = df1.astype(str) 
df2 = df1.astype(str)

这类似于 UNION（不是 UNION ALL）操作。

合并

   col1  col2 spec
0     1     4    A
1     2     5    B
2     3     6    C

和

   col1  col2
0     1     4
1     9     9

至

   col1  col2 spec
1     2     5    B
2     3     6    C
1     9     9  df2

Answer 1

您可以连接并删除重复项：

out = (pd.concat((df1, df2.assign(spec='df2')))
       .drop_duplicates(subset=['col1','col2'], keep=False))

或过滤掉公共行并连接：

out = pd.concat((df1[~df1[['col1','col2']].isin(df2[['col1','col2']]).all(axis=1)], 
                 df2[~df2.isin(df1[['col1','col2']]).all(axis=1)].assign(spec='df2')))

输出：

   col1  col2 spec
1     2     5    B
2     3     6    C
1     9     9  df2