<\/p>\n
Un anti-join<\/strong> consente di restituire tutte le righe in un set di dati che non hanno valori corrispondenti in un altro set di dati.<\/span><\/p>\n \u00c8 possibile utilizzare la seguente sintassi per eseguire un anti-join tra due DataFrames panda:<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa sintassi nella pratica.<\/span><\/p>\n Supponiamo di avere i seguenti due DataFrames panda:<\/span><\/p>\n Possiamo utilizzare il seguente codice per restituire tutte le righe del primo DataFrame che non hanno un team corrispondente nel secondo DataFrame:<\/span><\/p>\n Possiamo vedere che ci sono esattamente due squadre del primo DataFrame che non hanno un nome di squadra corrispondente nel secondo DataFrame.<\/span><\/p>\n L’anti-join ha funzionato come previsto.<\/span><\/p>\n Il risultato finale \u00e8 un DataFrame che contiene solo le righe in cui il nome del team appartiene al primo DataFrame ma non al secondo DataFrame.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni nei panda:<\/span><\/p>\n Come eseguire un inner join in Pandas<\/a> Un anti-join consente di restituire tutte le righe in un set di dati che non hanno valori corrispondenti in un altro set di dati. \u00c8 possibile utilizzare la seguente sintassi per eseguire un anti-join tra due DataFrames panda: outer = df1. merge (df2, how=’ outer ‘, indicator= True ) anti_join = outer[(outer._merge==’ left_only ‘)]. drop […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n outer = df1. merge<\/span> (df2, how=' outer<\/span> ', indicator= True<\/span> )\n\nanti_join = outer[(outer._merge==' left_only<\/span> ')]. drop<\/span> (' _merge<\/span> ', axis= 1<\/span> )\n<\/strong><\/pre>\n Esempio: eseguire un anti-join in Pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#create first DataFrame\n<\/span>df1 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E'],\n ' points<\/span> ': [18, 22, 19, 14, 30]})\n\nprint<\/span> (df1)\n\n team points\n0 to 18\n1 B 22\n2 C 19\n3 D 14\n4 E 30\n\n#create second DataFrame\n<\/span>df2 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'F', 'G'],\n ' points<\/span> ': [18, 22, 19, 22, 29]})\n\nprint<\/span> (df2)\n\n team points\n0 to 18\n1 B 22\n2 C 19\n3 F 22\n4 G 29\n<\/strong><\/span><\/pre>\n #perform outer join<\/span>\nouter = df1. merge<\/span> (df2, how=' outer<\/span> ', indicator= True<\/span> )\n\n#perform anti-join\n<\/span>anti_join = outer[(outer._merge==' left_only<\/span> ')]. drop<\/span> (' _merge<\/span> ', axis= 1<\/span> )\n\n#view results\n<\/span>print<\/span> (anti_join)\n\n team points\n3 D 14\n4 E 30<\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come eseguire un join a sinistra in Pandas<\/a>
Come eseguire un cross join in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"