如何找到兩個熊貓DataFrames之間的設置差異

Question

我想檢查兩個DataFrame列之間的差異。我嘗試使用命令：

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

這導致空數組：

array([], dtype=object) 

然而，列在dataframes數量是不同的：

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

這意味着該兩個DataFrame明顯不同。

這裏有什麼問題？

Answer 1

結果正確，但是，setdiff1d與訂單相關。它只會檢查第一個輸入數組中不在第二個數組中出現的元素。

如果您不關心哪些數據框具有唯一列，您可以使用setxor1d。它將返回「僅在一個（不是兩個）輸入數組中的唯一值」，請參閱documentation。

import numpy 

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

c = numpy.setxor1d(colsA, colsB) 

會返回一個包含'a'和'd'的數組。

---

如果你想使用setdiff1d你需要檢查的差異兩種方式：

//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)