python pandas从列表中删除包含值的行

Question

我正在将两个大型CSV与包含接触信息的大熊猫进行比较。我想从一个CSV中删除包含其他CSV的任何电子邮件地址的行。

所以如果我有

df1

name phone email
1    1     [e-mail]
2    2     [e-mail]
3    3     [e-mail]

df2

name phone email
x    y     [e-mail]
a    b     [e-mail]

我会留下

df3

name phone email
1    1     [e-mail]

除了电子邮件地址外，我不在乎任何列。这似乎很容易，但是我真的很挣扎。

这是我拥有的，但我认为这甚至不接近：

def remove_warm_list_duplicates(dataframe):
    '''Remove rows that have emails from the warmlist'''
    warm_list = pd.read_csv(r'warmlist/' + 'warmlist.csv'
                            , encoding="ISO-8859-1"
                            , error_bad_lines=False)
    warm_list_emails = warm_list['Email Address'].tolist()
    dataframe = dataframe[dataframe['Email Address'].isin(warm_list_emails) == False]

Answer 1

您可以使用pandas isin（）

df3 = df1[~df1['email'].isin(df2['email'])]

产生的df

    name    phone   email
0   1       1       [e-mail]

Answer 2

尝试以下：

In [143]: pd.merge(df1, df2[['email']], on='email', how='left', indicator=True) 
            .query("_merge == 'left_only'") 
            .drop('_merge',1)
Out[143]:
   name  phone      email
0     1      1  [e-mail]

Answer 3

您可以用unique()简化一点并设置：

warm_list = pd.read_csv(r'warmlist/' + 'warmlist.csv',
                        encoding="ISO-8859-1",
                        error_bad_lines=False)
warm_list_emails = set(warm_list['Email Address'].unique())
df = df.loc[df['Email Address'].isin(warm_list_emails), :]