Pandas anti-unión

Importar la biblioteca.

import pandas as pd

Primero, importamos la biblioteca pandas para jugar con marcos de datos.

Cree dos marcos de datos.

# first DataFrame
df1 = pd.DataFrame(
    {"sections": ["A", "B", "C", "D", "E"], "points": [19, 23, 20, 15, 31]}
)

print("First DataFrame:")
print(df1)

# second DataFrame
df2 = pd.DataFrame(
    {"sections": ["A", "B", "C", "F", "G"], "points": [19, 23, 20, 24, 30]}
)

print("\n\nSecond DataFrame:")
print(df2)

Creamos dos marcos de datos que contienen puntos de muestra para diferentes secciones que puede ver a continuación.

PRODUCCIÓN:

First DataFrame:
sections points
0        A      19
1        B      23
2        C      20
3        D      15
4        E      31


Second DataFrame:
sections points
0        A      19
1        B      23
2        C      20
3        F      24
4        G      30

Realice la unión externa.

outer_join = df1.merge(df2, how="outer", indicator=True)
print(outer_join)

Para realizar la antiunión, debemos pasar por la unión externa, que devuelve los valores coincidentes y no coincidentes de uno o ambos conjuntos de datos. Estamos obteniendo valores coincidentes y no coincidentes de ambos conjuntos de datos (puede ver esto en el siguiente resultado).

Aquí, el método merge() se utiliza para actualizar los datos de dos marcos de datos mediante el uso de métodos particulares para fusionarlos. Estamos usando algunos parámetros para controlar qué valores reemplazar y qué mantener.

• df2 - Es otro marco de datos con el que fusionarse.
• cómo - Especifica cómo fusionar. Es un parámetro opcional cuyos valores pueden ser izquierda, derecha, exterior, interior o cruz; por defecto, es interior.
• indicador - Se puede configurar como True, False o un valor de tipo cadena. Si lo configuramos en True, agregará la columna _merge al marco de datos de salida que tiene la información en una fuente de cada fila.

También podemos dar un nombre diferente a la columna _merge especificando un argumento de cadena. Esta columna contendrá los valores de tipo categórico, por ejemplo, left_only, right_only y both, como tenemos en el siguiente resultado.

Aquí, “ambos” significa que si la clave de combinación de la observación (fila) se encuentra en ambos conjuntos de datos, left_only muestra que la clave de combinación de la observación se encuentra solo en el conjunto de datos izquierdo, mientras que right_only indica que la combinación de la observación la clave se encuentra solo en el conjunto de datos derecho.

PRODUCCIÓN:

sections points      _merge
0        A      19        both
1        B      23        both
2        C      20        both
3        D      15   left_only
4        E      31   left_only
5        F      24 right_only
6        G      30 right_only

Realice la combinación izquierda.

lef_anti_join = outer_join[(outer_join._merge == "left_only")].drop("_merge", axis=1)
print(lef_anti_join)

Primero, usamos outer_join[(outer_join._merge=='left_only')] para recuperar todas las filas que tienen un valor left_only en la columna _merge, luego lo encadenamos con el método .drop(), que elimina la columna _merge del marco de datos de salida.

PRODUCCIÓN:

sections points
3        D      15
4        E      31

Ahora vea, obtenemos columnas del marco de datos izquierdo (df1), excluyendo la intersección.

Vea el código fuente completo para realizar el anti-join izquierdo en Pandas.

import pandas as pd

# first DataFrame
df1 = pd.DataFrame(
    {"sections": ["A", "B", "C", "D", "E"], "points": [19, 23, 20, 15, 31]}
)
print("First DataFrame:")
print(df1)

# second DataFrame
df2 = pd.DataFrame(
    {"sections": ["A", "B", "C", "F", "G"], "points": [19, 23, 20, 24, 30]}
)
print("\n\nSecond DataFrame:")
print(df2)

# outer join
outer_join = df1.merge(df2, how="outer", indicator=True)

# left anti join
lef_anti_join = outer_join[(outer_join._merge == "left_only")].drop("_merge", axis=1)
print("\n\nLeft Anti-join:")
print(lef_anti_join)

PRODUCCIÓN:

First DataFrame:
sections points
0        A      19
1        B      23
2        C      20
3        D      15
4        E      31


Second DataFrame:
sections points
0        A      19
1        B      23
2        C      20
3        F      24
4        G      30


Left Anti-join:
sections points
3        D      15
4        E      31