La u
indica que se trata de una cadena unicode, que es una forma de codificar cadenas que admite letras de cualquier alfabeto, por contraposición al ascii que sólo admite las del alfabeto inglés.
Lo que te está ocurriendo es que estás imprimiendo directamente una variable de tipo "conjunto", que es el resultado de la operación. Python es muy flexible a la hora de permitirte mostrar cualquier variable por pantalla, pues siempre intenta convertir estas variables a un formato que se pueda ver y entender en la salida. En este caso lo que hace es mostrar la misma sintaxis con la que tú podrías re-crear el conjunto resultado a partir de una lista. Es decir, muestra set()
y dentro de los paréntesis y entre corchetes, todos los elementos del conjunto separados por comas. Ya que cada elemento en este caso es una cadena Unicode, te la muestra con la sintaxis en que tendrías que escribirla en un programa python, es decir u'contenido'
.
Si simplemente quieres el contenido, sin comillas, sin u
y sin comas, no debes tratar de mostrar directamente el conjunto, sino iterar sobre él y mostrar tú mismo cada elemento de uno en uno. Por ejemplo:
resultado = set(df['col1']).intersection(set(df['col2']))
for elemento in resultado:
print(elemento)
En este caso, cada elemento
que la pasas a print()
es una cadena Unicode, pero print()
sabe mostrar estas cadenas sin recurrir a su "representación python" como hizo en el caso del conjunto. Las verás "normal", sin comillas ni u
.
También puedes usar join()
para convertir el conjunto resultado en una cadena que tenga separados por comas (o por el separador que prefieras) los elementos. Así:
cadena = ", ".join(resultado)
En tu caso la cadena
contendría al final:
'MCM7, GNG11, PON2, RARRES2, HSPB1, GRM3, PTPRZ1, RHEB, PTN, MEST, PEG10, TSC22D4'