熊猫使用其他集合在集合中丢弃项目

Question

我在Pandas DataFrame中有两个列； 父母和 cte 。这两个列均由集组组成。我想使用 cte 列来丢弃父母列中的重叠项目。数据帧由超过6k行组成。一些 cte 行有空集。

以下是一个示例：

data = {'parents': [{'loan_agreement', 'select', 'opportunity', 'sales.dim_date', 'sales.flat_opportunity_detail', 'dets', 'dets2', 'channel_partner'}
,{'seed', 'dw_salesforce.sf_dw_partner_application'}], 
        'cte': [{'dets', 'dets2'}, {'seed'}]}
df = pd.DataFrame(data)
df

我以前曾使用过.discard（CTE），但我不知道如何使其正常工作。

我希望输出看起来如下：

data = {'parents': [{'loan_agreement', 'select', 'opportunity', 'sales.dim_date', 'sales.flat_opportunity_detail', 'channel_partner'}
,{'dw_salesforce.sf_dw_partner_application'}], 
        'cte': [{'dets', 'dets2'}, {'seed'}]}
df = pd.DataFrame(data)
df

注意：dets，dets2和种子已从相应的父母单元格中删除。

将 cte 与父母进行了比较，我不需要该行的数据。下一行只会比较该行上的数据，依此类推。

Answer 1

您需要在这里使用循环。

列表理解可能是最快的：

df['parents'] = [P.difference(C) for P,C in zip(df['parents'], df['cte'])]

输出：

                                             parents            cte
0  {channel_partner, select, opportunity, loan_ag...  {dets, dets2}
1          {dw_salesforce.sf_dw_partner_application}         {seed}