在熊猫数据框中查找两行字符串的差异

Question

我有一个数据框，其中有一列包含一个以逗号分隔的项目的字符串。col1apple, banana, kiwiapple, bananabanana我想制作第二列“col2”来显示每一行之间的差异。所以我试图将每一行变成一个集合，并从前一行中减去它，如下所示：Python comparing two strings to differencesdf['col2'] = set(df["col1"].shift(1)) - set(df["col1"])但是我收到此错误消息：“ValueError：值的长度与索引的长度不匹配”。我做错了什么，有没有更好的方法来做我正在做的事情？编辑：预期输出col1                           col2apple, banana, kiwi             apple, banana                  kiwibanana                         apple

Answer 1

df["temp"] = df.col1.str.replace("\s+", "").str.split(",")

为列赋值difference：

df['difference'] = [    ""

                     if isinstance(last, float) or (not set(last).difference(first))

                     else tuple(set(last).difference(first))

                     if len(set(last).difference(first)) > 1

                     else min(set(last).difference(first))

                     for first, last in zip(df.temp, df["temp"].shift())

                  ]

df.drop('temp', axis=1)

    col1                   difference

0   apple, banana, kiwi 

1   apple, banana              kiwi

2   banana                    apple