Comparación de marcos de datos: encontrar filas presentes en uno pero no en el otro

Comparar marcos de datos para identificar diferencias es crucial para garantizar la calidad de los datos y fusionarlos operaciones. En este caso, tenemos dos marcos de datos (df1 y df2) con una estructura específica y necesitamos determinar las filas presentes en df2 pero no en df1.

Inicialmente, los intentos de comparar marcos de datos usando df1! = df2 dieron como resultado un error. Este enfoque sólo funciona para marcos de datos con filas y columnas idénticas. Para encontrar diferencias simétricas, necesitamos un enfoque diferente.

Un método implica concatenar los marcos de datos:

df = pd.concat([df1, df2])
df = df.reset_index(drop=True)

Luego, agrupando el marco de datos concatenado por todas las columnas:

df_gpby = df.groupby(list(df.columns))

A continuación, identificamos los registros únicos obteniendo los valores de índice donde solo existe una fila:

idx = [x[0] for x in df_gpby.groups.values() if len(x) == 1]

Usando estos índices, podemos filtrar el marco de datos para obtener el resultado deseado:

df.reindex(idx)

Este enfoque proporciona las filas presentes en df2 pero ausentes en df1 basado en la comparación del índice de fecha y la columna de fruta.