博客

Pandas中左反连接（LEFT ANTI JOIN）是指只保留左侧DataFrame中没有与右侧DataFrame匹配的记录，并将剩下的结果作为输出。这与传统的“LEFT JOIN”连接方式不同，不会保留右侧DataFrame中的未匹配项。下面详细讲解如何在Pandas中进行LEFT ANTI连接的完整攻略。

1. 创建测试数据集

我们在开始讲解之前需要创建一个测试数据集，来展示LEFT ANTI JOIN操作的实际效果。我们可以通过以下代码来创建两个DataFrame，并将它们合并到一起。

import pandas as pd

# 创建 DataFrame
df1 = pd.DataFrame({'id': [1, 2, 3, 4, 5],
                    'name': ['John', 'Mike', 'Fred', 'Lisa', 'Ryan']})

df2 = pd.DataFrame({'id': [2, 4, 5],
                    'salary': [50000, 70000, 90000]})

#合并 DataFrame
df3 = pd.merge(df1, df2, on='id', how='left')
df3

这里我们使用了Pandas中的merge方法，将两个DataFrame按照id列进行左连接，并将结果保存为df3，从而得到以下输出：

   id  name   salary
0   1  John      NaN
1   2  Mike 50000.00
2   3  Fred      NaN
3   4  Lisa 70000.00
4   5  Ryan 90000.00

2. 取出未匹配的部分

现在我们需要筛选出df3中未匹配的记录。具体来说，我们需要找到那些在df1中出现，但未出现在df2中的记录。我们可以通过以下代码来实现：

# 筛选未匹配的记录
df4 = df3[df3['salary'].isnull()]

df4

这里使用了DataFrame的isnull方法，选择了df3中那些salary列为空的记录，因为在左反连接中，仅当右侧DataFrame中找不到匹配项时，LEFT ANTI JOIN 才会保留左侧DataFrame中的记录。

最后，我们能得到以下输出结果：

   id  name  salary
0   1  John     NaN
2   3  Fred     NaN

可以看到，我们成功地选择了那些未匹配的记录。

总结

在这篇文章中，我们通过一个实际例子详细讲解了如何在Pandas中进行LEFT ANTI连接。通过这样的连接操作，我们可以筛选出左侧DataFrame中未被右侧DataFrame匹配的记录。在实际工作中，LEFT ANTI JOIN操作可以用于筛选掉那些没有关联信息或者错误信息的数据。