Jak wykonać rozłączną lub ustawioną różnicę w stylu SQL na dwóch obiektach DataFrame Pandy?

Question

Próbuję użyć Pandas, aby rozwiązać problem dzięki uprzejmości idiota DBA, nie robiąc kopii zapasowej obecnie uszkodzonego zestawu danych, więc próbuję znaleźć różnice między dwiema kolumnami. Z powodów, dla których nie będę miał dostępu, używam Pand zamiast bazy danych.

Co chciałbym zrobić, to, biorąc pod uwagę:

Dataset A = [A, B, C, D, E] 
Dataset B = [C, D, E, F] 

chciałbym znaleźć wartości, które są rozłączne.

Dataset A!=B = [A, B, F] 

W języku SQL jest to standardowa logika zestawu, realizowana w różny sposób w zależności od dialektu, ale standardowa funkcja. Jak elegancko zastosować to w Pandach? Chciałbym wprowadzić jakiś kod, ale nic, co mam, nie jest nawet poprawne. Jest to sytuacja, w której nie wiem, czego nie wiem ... Pandy ustawiły logikę dla skrzyżowania i unii, ale nic dla rozłącznej/ustalonej różnicy.

Dzięki!

Answer 1

Można użyć set.symmetric_difference funkcję:

In [1]: df1 = DataFrame(list('ABCDE'), columns=['x']) 

In [2]: df1 
Out[2]: 
    x 
0 A 
1 B 
2 C 
3 D 
4 E 

In [3]: df2 = DataFrame(list('CDEF'), columns=['y']) 

In [4]: df2 
Out[4]: 
    y 
0 C 
1 D 
2 E 
3 F 

In [5]: set(df1.x).symmetric_difference(df2.y) 
Out[5]: set(['A', 'B', 'F']) 

Answer 2

Oto rozwiązanie dla wielu kolumn, prawdopodobnie nie bardzo wydajny, chciałbym uzyskać pewne informacje zwrotne na przeprowadzenie tej szybsze:

input = pd.DataFrame({'A': [1, 2, 2, 3, 3], 'B': ['a', 'a', 'b', 'a', 'c']}) 
limit = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']}) 


def set_difference(input_set, limit_on_set): 
    limit_on_set_sub = limit_on_set[['A', 'B']] 
    limit_on_tuples = [tuple(x) for x in limit_on_set_sub.values] 
    limit_on_dict = dict.fromkeys(limit_on_tuples, 1) 

    entries_in_limit = input_set.apply(lambda row: 
     (row['A'], row['B']) in limit_on_dict, axis=1) 

    return input_set[~entries_in_limit] 

>>> set_difference(input, limit) 

    item user 
1 a  2 
3 a  3