对dataframe数据之间求补集的实例详解
python的pandas库，对于dataframe数据，有merge命令可以完成dataframe数据之间的求取交集并集等命令。
若存在df1与df2 ,他们的交集df3=pd.merge(df1,df2,on=[.....])。但是又想通过df3求df3与df1的补集时发现没有该命令。
求df3（子集）与df1补集：
#x为子集 def Complement(x,y): import numpy as np array1 = np.array(x) list1=array1.tolist() array2=np.array(y) list2=array2.tolist() def list_to_tuple(t): l = [] for e in t: l.append(tuple(e)) return l def tuple_to_list(t): l = [] for e in t: l.append(list(e)) return l a=list_to_tuple(list1) b=list_to_tuple(list2) set3=set(b).difference(set(a)) list3=list(set3) list4=tuple_to_list(list3) from pandas import Series,DataFrame df1=DataFrame(list4,columns=x.columns) return df1
以上这篇对dataframe数据之间求补集的实例详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持小牛知识库。
-
本文向大家介绍数据结构之数组Array实例详解，包括了数据结构之数组Array实例详解的使用技巧和注意事项，需要的朋友参考一下 数据结构之数组Array实例详解 数组Array 基本操作 几个小程序（代码正误检验） 主函数： 感谢阅读，希望能帮助到大家，谢谢大家对本站的支持！
-
本文向大家介绍Python数组并集交集补集代码实例，包括了Python数组并集交集补集代码实例的使用技巧和注意事项，需要的朋友参考一下 这篇文章主要介绍了Python数组并集交集补集代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 并集 打印结果： 交集 打印结果： 补集 打印结果： 以上就是本文的全部内容，希望对大家的学习有所帮助，也希望
-
我知道（类型安全等）的优点，但我找不到任何留档相关的Spark Datasets限制。 是否有任何不建议使用Spark数据集的特定场景，最好使用数据帧。 目前，我们所有的数据工程流都在使用Spark（Scala）
-
本文向大家介绍Python数据类型之Tuple元组实例详解，包括了Python数据类型之Tuple元组实例详解的使用技巧和注意事项，需要的朋友参考一下 本文实例讲述了Python数据类型之Tuple元组。分享给大家供大家参考，具体如下： tuple元组 1.概述 本质上是一种有序的集合，和列表非常的相似，列表使用[]表示，元组使用()表示. 特点：一旦初始化，就不能发生改变 2.元组的创建 格式：
-
本文向大家介绍C#数据结构之堆栈(Stack)实例详解，包括了C#数据结构之堆栈(Stack)实例详解的使用技巧和注意事项，需要的朋友参考一下 本文实例讲述了C#数据结构之堆栈(Stack)。分享给大家供大家参考，具体如下： 堆栈(Stack)最明显的特征就是“先进后出”，本质上讲堆栈也是一种线性结构，符合线性结构的基本特点：即每个节点有且只有一个前驱节点和一个后续节点。 相对前面学习过的顺序表、
-
本文向大家介绍对python制作自己的数据集实例讲解，包括了对python制作自己的数据集实例讲解的使用技巧和注意事项，需要的朋友参考一下 一、数据集介绍 点击打开链接17_Category_Flower 是一个不同种类鲜花的图像数据，包含 17 不同种类的鲜花，每类 80 张该类鲜花的图片，鲜花种类是英国地区常见鲜花。下载数据后解压文件，然后将不同的花剪切到对应的文件夹，如下图所示： 每个文件夹