我有两个熊猫数据帧，它们有一些共同的行
假设dataframe2是dataframe1的子集
如何获取dataframe1中不在dataframe2中的行？
数据帧（数据={‘col1’：[1,2,3,4,5]，’col2’：[10,11,12,13,14]）
数据帧（数据={‘col1’：[1,2,3]，’col2’：[10,11,12]}）
df1
col1 col2
0 1 10
1 2 11
2 3 12
3 4 13
4 5 14
df2
col1 col2
0 1 10
1 2 11
2 3 12
预期结果：
col1 col2
3 4 13
4 5 14
当前选择的解决方案产生不正确的结果。为了正确解决这个问题，我们可以执行从df1到df2的左连接，确保首先只获取df2的唯一行
首先，我们需要修改原始数据框以添加包含数据的行[3,10]
df1=pd.DataFrame（数据={'col1'：[1,2,3,4,5,3]，
‘col2’：[10,11,12,13,14,10]}）
df2=pd.DataFrame（数据={'col1'：[1,2,3]，
'col2'：[10,11,12]}）
df1
col1 col2
0 1 10
1 2 11
2 3 12
3 4 13
4 5 14
5 3 10
df2
col1 col2
0 1 10
1 2 11
2 3 12
执行左连接，消除df2中的重复项，以便df1的每一行与df2的整整一行连接。使用参数indicator返回一个额外的列，指示行来自哪个表
df_all=df1.merge（df2.drop_duplicates（），on=['col1'，'col2']，
how='left'，indicator=True）
所有
col1 col2\u合并
0 1 10两者
1 2 11两者
2 3 12两者
3 4 13仅左
4 5 14仅左
5 3 10只左
创建布尔条件：
df_all[''u merge']=='left_only'
0错误
1错误
2错误
3正确
4正确
5对
名称：_merge，数据类型：bool
为什么其他解决方案是错误的
一些解决方案也会犯同样的错误——它们只检查每个值在每列中是独立的，而不是在同一行中。添加最后一行（该行是唯一的，但具有来自df2的两列的值）会暴露错误：
common=df1.merge（df2，on=['col1'，'col2']）
（~df1.col1.isin（common.col1））&；（~df1.col2.isin（common.col2））
0错误
1错误
2错误
3正确
4正确
5错误
数据类型：bool
此解决方案会得到相同的错误结果：
df1.isin（df2.to_dict（'l'））.all（1）