Skip to main content
2 de 2
se puede mejorar la lectura de los fragmentos de códigos si se usa un bloque de código en lugar de una cita

Acá les muestro en ejemplo con estos sencillos frames, las columnas a comparar son:

  • DF1 es "lkey"
  • DF2 es "rkey"

Observen que en

  • DF1 está la fila 3, está un valor D/5
  • DF2 está la fila 3, está un valor E/9

Esos son van a ser los datos claves para ver las diferencias, puesto que en:

  • DF1 no está el valor E/9
  • DF2 no está el valor D/5
    >>> df1
      lkey  value
    0    A      1
    1    B      2
    2    C      3
    3    D      5


    >>> df2
      rkey  value
    0    A      6
    1    B      7
    2    C      8
    3    E      9

Usaría esta sencilla fórmula con el método "merge" de la biblioteca Pandas

import pandas as pd

df1 = pd.DataFrame({'lkey': ['B', 'D', 'A', 'C'],'value': [1, 2, 3, 5]})
df2 = pd.DataFrame({'rkey': ['A', 'C', 'E', 'B'], 'value': [6, 7, 8, 9]})
merge = pd.merge(df1, df2 , how='outer', indicator='resultado',sort=True, left_on='lkey', right_on='rkey')

Ahora el resultado lo pueden obsevar en la columna "RESULTADO"

  • both = el dato está en los DOS frames
  • left_only = el datos sólo está en el DF1
  • right_only = el dato sólo está en el DF2

Acá está el resultado

      lkey  value_x rkey  value_y   resultado
    0    A      3.0    A      6.0        both
    1    B      1.0    B      9.0        both
    2    C      5.0    C      7.0        both
    3    D      2.0  NaN      NaN   left_only
    4  NaN      NaN    E      8.0  right_only

Luego de manera sencilla se puede filtrar según las coincidencias de la columna "RESULTADO"

    merge[merge.resultado=='left_only']

Dará como resultado los elementos que SÓLO esán en el DF1 y NO están en el DF2

    lkey    value_x rkey    value_y resultado
    3   D   2.0 NaN NaN left_only