如何从熊猫数据框中排除值？

Question

我有两个dataframes：

1）CUSTOMER_ID，性别 2）CUSTOMER_ID，... [其他字段]

的第一数据集是否为一答复的数据集（性别是一个答案）。因此，我想从第二个数据集中排除那些位于第一个数据集（我们知道的性别）中的customer_id并称之为“train”。其余记录应该成为'测试'数据集。

Answer 1

我想你需要boolean indexing和条件与isin，反相boolean Series由~：

df1 = pd.DataFrame({'customer_id':[1,2,3], 
        'gender':['m','f','m']}) 

print (df1) 
    customer_id gender 
0   1  m 
1   2  f 
2   3  m 

df2 = pd.DataFrame({'customer_id':[1,7,5], 
        'B':[4,5,6], 
        'C':[7,8,9], 
        'D':[1,3,5], 
        'E':[5,3,6], 
        'F':[7,4,3]}) 

print (df2) 
    B C D E F customer_id 
0 4 7 1 5 7   1 
1 5 8 3 3 4   7 
2 6 9 5 6 3   5 

mask = df2.customer_id.isin(df1.customer_id) 
print (mask) 
0  True 
1 False 
2 False 
Name: customer_id, dtype: bool 

print (~mask) 
0 False 
1  True 
2  True 
Name: customer_id, dtype: bool 

train = df2[mask] 
print (train) 
    B C D E F customer_id 
0 4 7 1 5 7   1 

test = df2[~mask] 
print (test) 
    B C D E F customer_id 
1 5 8 3 3 4   7 
2 6 9 5 6 3   5