有没有一种简单的方法可以在基于 MultiIndex 的两个 pandas 数据帧之间找到不相交的记录集(两个原始数据帧中的每一个上未包含在生成的内部连接中的内容)？
我是不是遗漏了一些相当明显的东西，还是我必须花一些时间自己实现这种功能？
我试图通过找到两个数据帧的 muliIndex 键集之间的对称差异来做到这一点，但事实证明这很困难。我一直在努力让它发挥作用。我的另一个选择似乎更容易一些，是添加一个虚拟的整数列，它可以充当不同的单个索引，即使在我执行 multiIndex 合并之后也能保留，这样我就可以使用 python 集合运算符这个事实上的单一 key 。
[请注意，这与此问题相关但略有不同，因为此合并不是基于 MultiIndex 对象，而是基于数据框列中的值:How do I do a SQL style disjoint or set difference on two Pandas DataFrame objects? ]
请您参考如下方法:
我认为您找到对称差异的方法是可行的方法。
In [97]: from numpy import random
In [98]: arrays1 = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
....: ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
In [99]: arrays2 = [['bar', 'baz', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'], [
....: 'one', 'one', 'two', 'three', 'one', 'two', 'one', 'three']]
In [100]: tuples1 = zip(*arrays1)
In [101]: tuples2 = zip(*arrays2)
In [102]: index1 = MultiIndex.from_tuples(tuples1, names=['first', 'second'])
In [103]: index2 = MultiIndex.from_tuples(tuples2, names=['first', 'second'])
In [104]: df1 = pd.DataFrame(random.randn(8, 2), index=index1)
In [105]: df2 = pd.DataFrame(random.randn(8, 2), index=index2)
In [106]: df1
Out[106]:
0 1
first second
bar one 0.613378 -0.400247
baz one -3.005834 0.004879
two 0.066539 -0.289100
three -0.020099 0.644226
foo one -0.461458 -1.621812
two 0.286655 0.110588
qux one 0.363648 -0.271281
three 1.707787 -1.832602
In [107]: df2
Out[107]:
0 1
first second
bar one -1.010482 -0.023373
baz one -0.040335 1.553905
two -0.080283 -0.571686
three -0.985722 -0.795481
foo one 0.623122 2.124316
two -0.493333 -0.343462
qux one -1.346753 -1.343945
three -0.053497 -0.382402
In [108]: sym_diff = (df1.index - df2.index).union(df2.index - df1.index)
In [109]: sym_diff
Out[109]:
MultiIndex
[(u'baz', u'three'), (u'qux', u'three')]
我不确定为什么 MultiIndex 上没有对称差分法。
