1 dplython
dplython是python借鉴R中dplyr包开发的,用于数据tidy的包.基本语法跟R非常像,而且还支持管道函数(操作符>>).对于我这种从R转python的人来说,用起来会更加熟悉和方便.
官网在这.
https://pythonhosted.org/dplython/
1.1 安装
pip install dplython也可以从github上安装最新开发版本.
pip install git+https://github.com/dodger487/dplython.git1.2 简单介绍
加载所需要的包.
import pandas as pd
import numpy as np
import dplython as dply
from dplython import (DplyFrame, X, diamonds, select, sift,
sample_n, sample_frac, head, arrange, mutate, group_by,
summarize, DelayFunction)支持管道符操作,但是如果要将每一个操作写作一行,需要使用小括号将其括起来.
diamonds >> head## Unnamed: 0 carat cut color clarity ... table price x y z
## 0 1 0.23 Ideal E SI2 ... 55.0 326 3.95 3.98 2.43
## 1 2 0.21 Premium E SI1 ... 61.0 326 3.89 3.84 2.31
## 2 3 0.23 Good E VS1 ... 65.0 327 4.05 4.07 2.31
## 3 4 0.29 Premium I VS2 ... 58.0 334 4.20 4.23 2.63
## 4 5 0.31 Good J SI2 ... 58.0 335 4.34 4.35 2.75
##
## [5 rows x 11 columns](
diamonds >>
head(5)
)## Unnamed: 0 carat cut color clarity ... table price x y z
## 0 1 0.23 Ideal E SI2 ... 55.0 326 3.95 3.98 2.43
## 1 2 0.21 Premium E SI1 ... 61.0 326 3.89 3.84 2.31
## 2 3 0.23 Good E VS1 ... 65.0 327 4.05 4.07 2.31
## 3 4 0.29 Premium I VS2 ... 58.0 334 4.20 4.23 2.63
## 4 5 0.31 Good J SI2 ... 58.0 335 4.34 4.35 2.75
##
## [5 rows x 11 columns]再dplyr中,进行行筛选的函数为filter(),但是在dplython中,函数名为sift(),暂时不知道为什么要改名,猜想可能是由于和python自带函数冲突.
列名不能直接引用,需要使用dplython中的X来引用.
X.foo will refer to the “foo” column of the DataFrame in which it is later applied.
(
diamonds >>
sift(X.carat > 4) >>
select(X.carat, X.cut, X.depth, X.price)
)## carat cut depth price
## 25998 4.01 Premium 61.0 15223
## 25999 4.01 Premium 62.5 15223
## 27130 4.13 Fair 64.8 17329
## 27415 5.01 Fair 65.5 18018
## 27630 4.50 Fair 65.8 18531(diamonds >>
sample_n(10) >>
arrange(X.carat) >>
select(X.carat, X.cut, X.depth, X.price))
## carat cut depth price
## 34904 0.34 Premium 59.2 880
## 41186 0.39 Ideal 61.6 1201
## 40502 0.43 Very Good 60.7 1143
## 52362 0.54 Ideal 61.1 2502
## 53392 0.77 Good 63.8 2665
## 6651 0.90 Premium 62.7 4092
## 6643 0.90 Ideal 62.7 4091
## 5532 0.92 Very Good 62.1 3854
## 9229 1.02 Premium 61.9 4558
## 27546 2.05 Premium 61.8 18318(diamonds >>
mutate(carat_bin=X.carat.round()) >>
group_by(X.cut, X.carat_bin) >>
summarize(avg_price=X.price.mean()))## cut carat_bin avg_price
## 0 Fair 0.0 1027.979275
## 1 Fair 1.0 3305.754579
## 2 Fair 2.0 9588.269737
## 3 Fair 3.0 13466.823529
## 4 Fair 4.0 15842.666667
## 5 Fair 5.0 18018.000000
## 6 Good 0.0 786.054191
## 7 Good 1.0 3815.307879
## 8 Good 2.0 11096.950321
## 9 Good 3.0 15924.176471
## 10 Ideal 0.0 863.908535
## 11 Ideal 1.0 4213.864948
## 12 Ideal 2.0 12838.984078
## 13 Ideal 3.0 16156.681818
## 14 Ideal 4.0 12587.000000
## 15 Premium 0.0 863.329085
## 16 Premium 1.0 4382.906453
## 17 Premium 2.0 12337.020064
## 18 Premium 3.0 15636.047619
## 19 Premium 4.0 16335.000000
## 20 Very Good 0.0 766.354590
## 21 Very Good 1.0 4135.271007
## 22 Very Good 2.0 12281.851661
## 23 Very Good 3.0 15053.555556
## 24 Very Good 4.0 15984.000000需要注意的是,使用管道函数,第一行为要处理的数据,第二行开始,都要缩进.
但是作者已经3年没有维护这个包了,所以感觉有点悬,有可能废掉了,所以还是别用了.
2 dfply
另外一个将dplyr移植到python的包是dfply,可能更加可靠一些.
官网如下:
https://github.com/kieferk/dfply#the--and--pipe-operators
https://github.com/kieferk/dfply
2.1 安装
pip install dfply2.2 函数概览
2.2.1 >>和>>=管道操作符
在R中,管道操作符为%>%,在python中,改为>>.
from dfply import *
diamonds >> head(5)## carat cut color clarity depth table price x y z
## 0 0.23 Ideal E SI2 61.5 55.0 326 3.95 3.98 2.43
## 1 0.21 Premium E SI1 59.8 61.0 326 3.89 3.84 2.31
## 2 0.23 Good E VS1 56.9 65.0 327 4.05 4.07 2.31
## 3 0.29 Premium I VS2 62.4 58.0 334 4.20 4.23 2.63
## 4 0.31 Good J SI2 63.3 58.0 335 4.34 4.35 2.75(
diamonds >>
head(5)
)## carat cut color clarity depth table price x y z
## 0 0.23 Ideal E SI2 61.5 55.0 326 3.95 3.98 2.43
## 1 0.21 Premium E SI1 59.8 61.0 326 3.89 3.84 2.31
## 2 0.23 Good E VS1 56.9 65.0 327 4.05 4.07 2.31
## 3 0.29 Premium I VS2 62.4 58.0 334 4.20 4.23 2.63
## 4 0.31 Good J SI2 63.3 58.0 335 4.34 4.35 2.75同样的,如果每一个操作都开始新的一行的话,需要使用小括号将他们括起来.
将处理之后的数据框赋予一个新的变量名的时候,需要注意变量名等号和小括号的左半部分需要在同一行.
new = (
diamonds >>
tail(5)
)
new## carat cut color clarity depth table price x y z
## 53935 0.72 Ideal D SI1 60.8 57.0 2757 5.75 5.76 3.50
## 53936 0.72 Good D SI1 63.1 55.0 2757 5.69 5.75 3.61
## 53937 0.70 Very Good D SI1 62.8 60.0 2757 5.66 5.68 3.56
## 53938 0.86 Premium H SI2 61.0 58.0 2757 6.15 6.12 3.74
## 53939 0.75 Ideal D SI2 62.2 55.0 2757 5.83 5.87 3.64另外一个管道操作符>>=意味着对原始数据直接进行修改后付给这个变量.
diamonds2 = diamonds.copy()
diamonds2 >> head(5)## carat cut color clarity depth table price x y z
## 0 0.23 Ideal E SI2 61.5 55.0 326 3.95 3.98 2.43
## 1 0.21 Premium E SI1 59.8 61.0 326 3.89 3.84 2.31
## 2 0.23 Good E VS1 56.9 65.0 327 4.05 4.07 2.31
## 3 0.29 Premium I VS2 62.4 58.0 334 4.20 4.23 2.63
## 4 0.31 Good J SI2 63.3 58.0 335 4.34 4.35 2.75diamonds2 >>= head(5)
diamonds2## carat cut color clarity depth table price x y z
## 0 0.23 Ideal E SI2 61.5 55.0 326 3.95 3.98 2.43
## 1 0.21 Premium E SI1 59.8 61.0 326 3.89 3.84 2.31
## 2 0.23 Good E VS1 56.9 65.0 327 4.05 4.07 2.31
## 3 0.29 Premium I VS2 62.4 58.0 334 4.20 4.23 2.63
## 4 0.31 Good J SI2 63.3 58.0 335 4.34 4.35 2.75diamonds >> head(10)## carat cut color clarity depth table price x y z
## 0 0.23 Ideal E SI2 61.5 55.0 326 3.95 3.98 2.43
## 1 0.21 Premium E SI1 59.8 61.0 326 3.89 3.84 2.31
## 2 0.23 Good E VS1 56.9 65.0 327 4.05 4.07 2.31
## 3 0.29 Premium I VS2 62.4 58.0 334 4.20 4.23 2.63
## 4 0.31 Good J SI2 63.3 58.0 335 4.34 4.35 2.75
## 5 0.24 Very Good J VVS2 62.8 57.0 336 3.94 3.96 2.48
## 6 0.24 Very Good I VVS1 62.3 57.0 336 3.95 3.98 2.47
## 7 0.26 Very Good H SI1 61.9 55.0 337 4.07 4.11 2.53
## 8 0.22 Fair E VS2 65.1 61.0 337 3.87 3.78 2.49
## 9 0.23 Very Good H VS1 59.4 61.0 338 4.00 4.05 2.392.2.2 数据框标志X
在管道操作符中,将数据框传到后面的函数中,需要使用X标志来代表.在R中,我们可以直接使用数据框的列名来引用每一列,在python中,需要使用X来表示.
diamonds >> select(X.carat, X.cut) >> head(5)## carat cut
## 0 0.23 Ideal
## 1 0.21 Premium
## 2 0.23 Good
## 3 0.29 Premium
## 4 0.31 Good2.2.3 选择某列或者删除某列(selecting and dropping)
在R中,使用select函数可以完成选择和删除,在删除某列时,直接在前面加上减号就可以了.但是在python中,select也可以完成删除列,只是减号改为~.但是对于删除列,还有一个专门的函数,drop().
选择列的时候,既可以使用列的index,也可以使用X符合以及引号括起来的列名进行选择.可惜的是,暂时看到是不支持切片的.
(
diamonds >>
select(0, X.price, "x", ['y', 'z']) >>
head(5)
)
## carat price x y z
## 0 0.23 326 3.95 3.98 2.43
## 1 0.21 326 3.89 3.84 2.31
## 2 0.23 327 4.05 4.07 2.31
## 3 0.29 334 4.20 4.23 2.63
## 4 0.31 335 4.34 4.35 2.75(
diamonds >>
select(['carat','price']) >>
head(5)
)## carat price
## 0 0.23 326
## 1 0.21 326
## 2 0.23 327
## 3 0.29 334
## 4 0.31 335(
diamonds >>
drop(1, X.price, ['x', 'y']) >>
head()
)## carat color clarity depth table z
## 0 0.23 E SI2 61.5 55.0 2.43
## 1 0.21 E SI1 59.8 61.0 2.31
## 2 0.23 E VS1 56.9 65.0 2.31
## 3 0.29 I VS2 62.4 58.0 2.63
## 4 0.31 J SI2 63.3 58.0 2.75(
diamonds >>
select(~0, ~X.price) >>
head(5)
)## z
## 0 2.43
## 1 2.31
## 2 2.31
## 3 2.63
## 4 2.752.2.3.1 Selection filter函数
和dplyr类似,也有很多配合使用的函数.
| Function | Meaning |
|---|---|
starts_with(prefix) |
find columns that start with a string prefix. |
ends_with(suffix) |
find columns that end with a string suffix. |
contains(substr) |
find columns that contain a substring in their name. |
everything() |
all columns. |
columns_between(start_col, end_col, inclusive=True) |
find columns between a specified start and end column. The inclusive boolean keyword argument indicates whether the end column should be included or not. |
columns_to(end_col, inclusive=True) |
get columns up to a specified end column. The inclusive argument indicates whether the ending column should be included or not. |
columns_from(start_col) |
get the columns starting at a specified column. |
因为dfply并不支持切片,所以可以看到,分别提供了三个函数用来代替切片的功能.
(
diamonds >>
select(columns_between("carat", "color")) >>
head(5)
)## carat cut color
## 0 0.23 Ideal E
## 1 0.21 Premium E
## 2 0.23 Good E
## 3 0.29 Premium I
## 4 0.31 Good J(
diamonds >>
select(columns_to("color")) >>
head(5)
)## carat cut
## 0 0.23 Ideal
## 1 0.21 Premium
## 2 0.23 Good
## 3 0.29 Premium
## 4 0.31 Good(
diamonds >>
select(columns_from("color")) >>
head(5)
)## color clarity depth table price x y z
## 0 E SI2 61.5 55.0 326 3.95 3.98 2.43
## 1 E SI1 59.8 61.0 326 3.89 3.84 2.31
## 2 E VS1 56.9 65.0 327 4.05 4.07 2.31
## 3 I VS2 62.4 58.0 334 4.20 4.23 2.63
## 4 J SI2 63.3 58.0 335 4.34 4.35 2.75diamonds >> select(columns_to(1, inclusive=True), 'depth', columns_from(-2)) >> head(2)## carat cut depth y z
## 0 0.23 Ideal 61.5 3.98 2.43
## 1 0.21 Premium 59.8 3.84 2.312.2.4 对列进行筛选
2.2.4.1 row_slice()
与pandas的iloc方法类似,使用index对列筛选.
问题是,仍然不支持切片.但是可以和group_by联合使用,从而选出每一组的固定行.
diamonds >> row_slice([10,15])## carat cut color clarity depth table price x y z
## 10 0.30 Good J SI1 64.0 55.0 339 4.25 4.28 2.73
## 15 0.32 Premium E I1 60.9 58.0 345 4.38 4.42 2.68diamonds >> group_by('cut') >> row_slice(5)## carat cut color clarity depth table price x y z
## 128 0.91 Fair H SI2 64.4 57.0 2763 6.11 6.09 3.93
## 20 0.30 Good I SI2 63.3 56.0 351 4.26 4.30 2.71
## 40 0.33 Ideal I SI2 61.2 56.0 403 4.49 4.50 2.75
## 26 0.24 Premium I VS1 62.5 57.0 355 3.97 3.94 2.47
## 21 0.23 Very Good E VS2 63.8 55.0 352 3.85 3.92 2.482.2.4.2 sample()函数
和pandas的.sample()方法类似,可以用于随机抽取列.
diamonds >> sample(frac=0.0001, replace=False)## carat cut color clarity depth table price x y z
## 35971 0.40 Premium F SI1 61.7 62.0 920 4.76 4.71 2.92
## 12741 1.01 Ideal H VS2 60.6 57.0 5317 6.54 6.49 3.95
## 23321 1.03 Ideal F IF 61.3 56.0 11365 6.53 6.55 4.01
## 37784 0.53 Very Good G SI2 62.5 55.0 1000 5.14 5.19 3.23
## 8715 0.37 Ideal G SI1 62.0 55.0 586 4.62 4.64 2.87diamonds >> sample(n=3, replace=True)## carat cut color clarity depth table price x y z
## 4188 0.83 Ideal F SI1 62.2 55.0 3560 6.01 6.03 3.74
## 19620 1.26 Ideal H VS1 60.9 57.0 8238 6.97 6.99 4.25
## 43303 0.61 Very Good I VS2 63.4 55.0 1401 5.46 5.42 3.452.2.4.3 distinct()函数
只保留唯一不重复的行.传入的参数为列名,可以是多个列.与pandas的.drop_duolicates()方法类似.
diamonds >> distinct(X.color, X.price) >> head(5)## carat cut color clarity depth table price x y z
## 0 0.23 Ideal E SI2 61.5 55.0 326 3.95 3.98 2.43
## 2 0.23 Good E VS1 56.9 65.0 327 4.05 4.07 2.31
## 3 0.29 Premium I VS2 62.4 58.0 334 4.20 4.23 2.63
## 4 0.31 Good J SI2 63.3 58.0 335 4.34 4.35 2.75
## 5 0.24 Very Good J VVS2 62.8 57.0 336 3.94 3.96 2.482.2.4.4 mask()和filter_by()函数
类似于dplyr中的filter()函数.这两个函数是等价的.
diamonds >> mask(X.cut == 'Ideal') >> head(4)## carat cut color clarity depth table price x y z
## 0 0.23 Ideal E SI2 61.5 55.0 326 3.95 3.98 2.43
## 11 0.23 Ideal J VS1 62.8 56.0 340 3.93 3.90 2.46
## 13 0.31 Ideal J SI2 62.2 54.0 344 4.35 4.37 2.71
## 16 0.30 Ideal I SI2 62.0 54.0 348 4.31 4.34 2.68diamonds >> mask(X.cut == 'Ideal', X.color == 'E', X.table < 55, X.price < 500)## carat cut color clarity depth table price x y z
## 26683 0.33 Ideal E SI2 62.2 54.0 427 4.44 4.46 2.77
## 32297 0.34 Ideal E SI2 62.4 54.0 454 4.49 4.52 2.81
## 40928 0.30 Ideal E SI1 61.6 54.0 499 4.32 4.35 2.67
## 50623 0.30 Ideal E SI2 62.1 54.0 401 4.32 4.35 2.69
## 50625 0.30 Ideal E SI2 62.0 54.0 401 4.33 4.35 2.69diamonds >> filter_by(X.cut == 'Ideal', X.color == 'E', X.table < 55, X.price < 500)## carat cut color clarity depth table price x y z
## 26683 0.33 Ideal E SI2 62.2 54.0 427 4.44 4.46 2.77
## 32297 0.34 Ideal E SI2 62.4 54.0 454 4.49 4.52 2.81
## 40928 0.30 Ideal E SI1 61.6 54.0 499 4.32 4.35 2.67
## 50623 0.30 Ideal E SI2 62.1 54.0 401 4.32 4.35 2.69
## 50625 0.30 Ideal E SI2 62.0 54.0 401 4.33 4.35 2.692.2.4.5 pull()函数
与dplyr中函数同名且功能相同.
(diamonds
>> filter_by(X.cut == 'Ideal', X.color == 'E', X.table < 55, X.price < 500)
>> pull('carat'))## 26683 0.33
## 32297 0.34
## 40928 0.30
## 50623 0.30
## 50625 0.30
## Name: carat, dtype: float64
##
## D:\software\python\lib\site-packages\dfply\subset.py:87: DeprecationWarning:
## .ix is deprecated. Please use
## .loc for label based indexing or
## .iloc for positional indexing
##
## See the documentation here:
## http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
## return df.ix[:, column]2.2.5 数据框转变
2.2.5.1 mutate()函数
添加新的变量(列)
diamonds >> mutate(x_plus_y=X.x + X.y) >> select(columns_from('x')) >> head(3)## x y z x_plus_y
## 0 3.95 3.98 2.43 7.93
## 1 3.89 3.84 2.31 7.73
## 2 4.05 4.07 2.31 8.12diamonds >> mutate(x_plus_y=X.x + X.y, y_div_z=(X.y / X.z)) >> select(columns_from('x')) >> head(3)## x y z x_plus_y y_div_z
## 0 3.95 3.98 2.43 7.93 1.637860
## 1 3.89 3.84 2.31 7.73 1.662338
## 2 4.05 4.07 2.31 8.12 1.7619052.2.5.2 transmutate()函数
只保留下新创建的列(变量).
diamonds >> transmute(x_plus_y=X.x + X.y, y_div_z=(X.y / X.z)) >> head(3)## x_plus_y y_div_z
## 0 7.93 1.637860
## 1 7.73 1.662338
## 2 8.12 1.7619052.2.6 分组(grouping)
2.2.6.1 group_by()和ungroup()函数
分组非常有用.利用某个或某几个变量将数据框分成不同的部分,然后对每一组分别进行处理.结束之后,需要使用ungroup()函数结束分组状态.
比如,如果想知道对于不同的cut的钻石的最高价和最低价,可以使用下面的代码.
(diamonds >> group_by(X.cut) >>
mutate(price_lead=lead(X.price), price_lag=lag(X.price)) >>
head(2) >> select(X.cut, X.price, X.price_lead, X.price_lag))## cut price price_lead price_lag
## 8 Fair 337 2757.0 NaN
## 91 Fair 2757 2759.0 337.0
## 2 Good 327 335.0 NaN
## 4 Good 335 339.0 327.0
## 0 Ideal 326 340.0 NaN
## 11 Ideal 340 344.0 326.0
## 1 Premium 326 334.0 NaN
## 3 Premium 334 342.0 326.0
## 5 Very Good 336 336.0 NaN
## 6 Very Good 336 337.0 336.02.2.7 重塑数据框(reshaping)
2.2.7.1 arrange()函数
这个函数是用来sort的.跟pandas的.sort_valiues()方法是一样的.
diamonds >> arrange(X.table, ascending=False) >> head(5)## carat cut color clarity depth table price x y z
## 24932 2.01 Fair F SI1 58.6 95.0 13387 8.32 8.31 4.87
## 50773 0.81 Fair F SI2 68.8 79.0 2301 5.26 5.20 3.58
## 51342 0.79 Fair G SI1 65.3 76.0 2362 5.52 5.13 3.35
## 52860 0.50 Fair E VS2 79.0 73.0 2579 5.21 5.18 4.09
## 49375 0.70 Fair H VS1 62.0 73.0 2100 5.65 5.54 3.47(diamonds >> group_by(X.cut) >> arrange(X.price) >>
head(3) >> ungroup() >> mask(X.carat < 0.23))## carat cut color clarity depth table price x y z
## 8 0.22 Fair E VS2 65.1 61.0 337 3.87 3.78 2.49
## 1 0.21 Premium E SI1 59.8 61.0 326 3.89 3.84 2.31
## 12 0.22 Premium F SI1 60.4 61.0 342 3.88 3.84 2.332.2.7.2 rename()函数
对列进行重新命名.
diamonds >> rename(CUT=X.cut, COLOR='color') >> head(2)## carat CUT COLOR clarity depth table price x y z
## 0 0.23 Ideal E SI2 61.5 55.0 326 3.95 3.98 2.43
## 1 0.21 Premium E SI1 59.8 61.0 326 3.89 3.84 2.312.2.7.3 gather()函数和spread()函数
对长宽数据进行转换的函数.gather()将宽数据转边为长数据,spread()将长数据转换为宽数据.
diamonds >> gather('variable', 'value', ['price', 'depth','x','y','z']) >> head(5)## carat cut color clarity table variable value
## 0 0.23 Ideal E SI2 55.0 price 326.0
## 1 0.21 Premium E SI1 61.0 price 326.0
## 2 0.23 Good E VS1 65.0 price 327.0
## 3 0.29 Premium I VS2 58.0 price 334.0
## 4 0.31 Good J SI2 58.0 price 335.0elongated = diamonds >> gather('variable', 'value', add_id=True)
elongated >> head(5)## _ID variable value
## 0 0 carat 0.23
## 1 1 carat 0.21
## 2 2 carat 0.23
## 3 3 carat 0.29
## 4 4 carat 0.31widened = elongated >> spread(X.variable, X.value)
widened >> head(5)## _ID carat clarity color cut depth price table x y z
## 0 0 0.23 SI2 E Ideal 61.5 326 55 3.95 3.98 2.43
## 1 1 0.21 SI1 E Premium 59.8 326 61 3.89 3.84 2.31
## 2 2 0.23 VS1 E Good 56.9 327 65 4.05 4.07 2.31
## 3 3 0.29 VS2 I Premium 62.4 334 58 4.2 4.23 2.63
## 4 4 0.31 SI2 J Good 63.3 335 58 4.34 4.35 2.752.2.8 合并(joining)
这个用处非常多.
| Funcation | Meaning |
|---|---|
| inner_join(other, by=‘column’) | 合并两个数据框共有的部分 |
| outer_join(other, by=‘column’) | 合并两个数据框并集部分 |
| full_join(other, by=‘column’) | 合并两个数据框并集部分 |
| right_join(other, by=‘column’) | 以右边数据框为准进行合并 |
| left_join(other, by=‘column’) | 以左边数据框为准进行合并 |
| semi_join(other, by=‘column’) | 只保留左边数据框能够匹配上右边数据框的行 |
| anti_join(other, by=‘column’) | 只保留两个数据框都互不相同的行 |
a = pd.DataFrame({
'x1':['A','B','C'],
'x2':[1,2,3]
})
b = pd.DataFrame({
'x1':['A','B','D'],
'x3':[True,False,True]
})
a >> inner_join(b, by='x1')## x1 x2 x3
## 0 A 1 True
## 1 B 2 Falsea >> outer_join(b, by='x1')## x1 x2 x3
## 0 A 1.0 True
## 1 B 2.0 False
## 2 C 3.0 NaN
## 3 D NaN Truea >> full_join(b, by='x1')## x1 x2 x3
## 0 A 1.0 True
## 1 B 2.0 False
## 2 C 3.0 NaN
## 3 D NaN Truea >> semi_join(b, by='x1')## x1 x2
## 0 A 1
## 1 B 2a >> anti_join(b, by='x1')## x1 x2
## 2 C 3未完待续….
