pandas 求差集

在Pandas中，可以使用concat()函数将Series和DataFrame对象组合在一起。要求两列的差集，可以使用不同的方法实现。

方法一是平行匹配，通过比较两列的元素来求得差集。使用df[df["col01"] != df["col02"]]可以得到平行匹配的差集结果。

方法二是交叉匹配，通过集合运算符或循环判断来求得差集。使用集合的差集运算符或者使用列表推导式来实现。例如，可以使用list(set(list_dev).difference(set(list_prod))) 或者 list(set(list_prod)^set(list_dev))来得到交叉匹配的差集结果。

另外，还可以使用concat()函数和drop_duplicates()函数来求得差集。例如，可以使用diff=pd.concat([df1,df2,df2]).drop_duplicates(keep=False)来得到差集结果。

总结来说，Pandas可以通过上述方法来求得差集。具体使用哪种方法取决于你的需求和数据结构。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [Pandas求两个dataframe差集 详解](https://blog.csdn.net/guoyc439/article/details/124165334)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* [Python语言学习：利用pandas对两列字段元素求差集(对比两列字段所有元素的异同)](https://blog.csdn.net/qq_41185868/article/details/128799131)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]