匹配2个不同数据帧但长度不同的列值

Question

我一共有2个数据集，其中dataset1有大约40个条目的PATIENTID列，另一个dataset2有大约700个条目的PATIENTID列

我想检查dataset1的PATIENTID是否存在于dataset2中。你知道吗

我在pythonjupyter笔记本中尝试过，但它不能通过Python代码工作。你知道吗

PatientsNotTreated=unique(Datase1.PatientID)[!unique(Dataset1.PatientID) in unique(Dataset2.PatientID)]
PatientsNotTreated

我得到错误：

PatientsNotTreated=unique(Datase1.PatientID)[!unique(Dataset1.PatientID) in unique(Dataset2.PatientID)]
                                                     ^
    SyntaxError: invalid syntax

我期望patientID的输出在daTASET2中不存在

Answer 1

使用Series.isin与DataFrame.loc生成boolena indexing。最后使用Series.unique：

arr_out=Dataset1.loc[~Dataset1['PatientID'].isin(Dataset2['PatientID']),'PatientID'].unique()

---

arr_in=Dataset1.loc[Dataset1['PatientID'].isin(Dataset2['PatientID']),'PatientID'].unique()

---

要根据患者用途筛选数据集1：

Dataset1_filtered=Dataset1.loc[~Dataset1['PatientID'].isin(Dataset2['PatientID'])]