在Pandas中 求差集沒有專門的函式。處理辦法就是將兩個DataFrame追加合併，然後去重。

divident.append(hasThisYearDivident)
noHasThisYearDivident = divident.drop_duplicates(subset='ts_code',keep=False,inplace=True,ignore_index=True)

具體函式用法：

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.append.html#pandas.DataFrame.append

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.drop_duplicates.html#pandas.DataFrame.drop_duplicates

補充示例：Pandas中兩個DataFrame的差集

在pandas中，兩個DataFrame的差集並沒有直接的庫內建方法，現在我們希望有一種方法，就像python中set內建的求差集一樣，來找到兩個DataFrame的差集。

>>> a=set((1,2,3))
>>> a
{1,3}
>>> b=set((2,3,4))
>>> b
{2,4}
>>> a-b
{1}

上面程式碼片段是對set的內建求差集方法的回顧，現在我們希望能有類似的方法來找兩個DataFrame的差集。

解決思路是這樣的：

對於有同樣Index的a,b兩個DataFrame，如果現在要求a對b的差集，那麼可以（1)連續兩次擴充a，使用append方法（2）然後使用drop_duplicates方法對a進行去重，並且引數keep=False。原理很簡單，也很巧妙，連續擴充2次a，那麼新擴充完後的DataFrame中來自b的row肯定是重複的，去重時候，b全部被刪除，與此同時，a中跟b重複的row也會順帶著被刪除。

程式碼實現：

>>> import pandas as pd
>>> data_a={'state':[1,1,2],'pop':['a','b','c']}
>>> data_b={'state':[1,3],'pop':['b','c','d']}
>>> a=pd.DataFrame(data_a)
>>> b=pd.DataFrame(data_b)
>>> a
  state pop
0   1  a
1   1  b
2   2  c
>>> b
  state pop
0   1  b
1   2  c
2   3  d
>>> a=a.append(b)
>>> a=a.append(b)
>>> a
  state pop
0   1  a
1   1  b
2   2  c
0   1  b
1   2  c
2   3  d
0   1  b
1   2  c
2   3  d
>>> a.drop_duplicates(subset=['state','pop'],keep=False)
  state pop
0   1  a

到此這篇關於Pandas DataFrame求差集的示例程式碼的文章就介紹到這了,更多相關Pandas DataFrame求差集內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們！