如何找到两个熊猫DataFrames之间的设置差异

Question

我想检查两个DataFrame列之间的差异。我尝试使用命令：

np.setdiff1d(train.columns, train_1.columns) 

这导致空数组：

array([], dtype=object) 

然而，列在dataframes数量是不同的：

len(train.columns), len(train_1.columns) = (51, 56) 

这意味着该两个DataFrame明显不同。

这里有什么问题？

Answer 1

结果正确，但是，setdiff1d与订单相关。它只会检查第一个输入数组中不在第二个数组中出现的元素。

如果您不关心哪些数据框具有唯一列，您可以使用setxor1d。它将返回“仅在一个（不是两个）输入数组中的唯一值”，请参阅documentation。

import numpy 

colsA = ['a', 'b', 'c', 'd'] 
colsB = ['b','c'] 

c = numpy.setxor1d(colsA, colsB) 

会返回一个包含'a'和'd'的数组。

---

如果你想使用setdiff1d你需要检查的差异两种方式：

//columns in train.columns that are not in train_1.columns 
c1 = np.setdiff1d(train.columns, train_1.columns) 

//columns in train_1.columns that are not in train.columns 
c2 = np.setdiff1d(train_1.columns, train.columns)