利用pandas的isin函数提取两个结构化数据文件的异同

       在进行数据分析时，有时候我们需要对比两份数据是否一致，如果不一致，提取不一致的数据记录；对于结构化的数据来说，我们可以利用pandas的DataFrame数据结构来实现这一点。

       我们先将结构化数据文件读入成DataFrame，然后再利用DataFrame的isin函数来实现。这里对于isin函数要注意的有以下几点：

1、isin(values)函数中，如果values是一个DataFrame，则df1.isin(df2)语句中，对df1的每个元素进行判断时，同时会连同该元素对应的index和column一起判断，只有同时符合，才会返回True，不然就是False；

2、如果values是一个Series，则对df1中的每个元素进行判断时，会连同index一起判断，这时column就不会加入判断了，同样的，只有元素值和对应的index都在df2中，才会返回True，不然False；

3、如果values是不带索引的可迭代对象，比如list，那么这时就只会对元素的值进行判断，只要df1中对应的元素值在list中，那么该元素对应的位置就会返回True，不然False。

具体的每种情况的使用和结果可以看下面的代码和结果示例。

import pandas as pd
import numpy as np

df1=pd.DataFrame(np.arange(12).reshape(3,4),columns=['a','b','x','y'])
df2=pd.DataFrame(np.arange(12).reshape(3,4),columns=['a','b','c','d'])

df1
Out: 
   a  b   x   y
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

df2
Out: 
   a  b   c   d
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

# values为DataFrame
df1.isin(df2)
Out: 
      a     b      x      y
0  True  True  False  False
1  True  True  False  False
2  True  True  False  False

df2=pd.DataFrame(np.arange(12).reshape(3,4),columns=['a','b','c','d'],index=[0,1,5])
df2
Out: 
   a  b   c   d
0  0  1   2   3
1  4  5   6   7
5  8  9  10  11

df1.isin(df2)
Out: 
       a      b      x      y
0   True   True  False  False
1   True   True  False  False
2  False  False  False  False

# values为Series
s=pd.Series([1,2,3,4,5])
df1.isin(s)
Out: 
       a      b      x      y
0  False   True  False  False
1  False  False  False  False
2  False  False  False  False

# values为list
l=[1,2,3,4,5]
df1.isin(l)
Out: 
       a      b      x      y
0  False   True   True   True
1   True   True  False  False
2  False  False  False  False

       最后，得到上述的bool值的DataFrame后，可以用如下代码提取行记录存在不一致的数据。即不完全一致的数据。

df_bool=df1.isin(df2)
df_inconsistent=df1[~df_bool.all(axis=1)]

       在使用isin函数的时候，有一个需要注意的点是，df1.isin(values)中，当values为DataFrame和Series时，其index和columns都必须唯一，不然会抛出ValueError异常，这点需要特别注意。