2

Considerando dois conjuntos de dados lidos de arquivos do tipo *.CSV com o Pandas. Cada conjunto possui apenas um campo CPF Favorecido,em que se encontram milhões de registros. Cada conjunto de dados equivale a um mês. Preciso descobrir quais registros (números de CPF) estão em um conjunto de dados mas não em outro.

O código está assim:

atual = pandas.read_csv(arquivo_atual, header=0, delimiter='\t', quotechar='"', usecols=['CPF Favorecido'])  
seguinte = pandas.read_csv(arquivo_seguinte, header=0, delimiter='\t', quotechar='"', usecols=['CPF Favorecido'])

Preciso apenas da contagem dos CPFs que aparecem no arquivo atual mas não estão no arquivo seguinte e vice-versa.

Existe alguma função que conte estes registros? Ou preciso construir um loop e fazer a comparação um a um?

1 Resposta 1

1

A maneira que conheço, usando pandas, ficaria assim:

atual.where(~atual['CPF Favorecido'].isin(seguinte['CPF Favorecido'])).count()
seguinte.where(~seguinte['CPF Favorecido'].isin(atual['CPF Favorecido'])).count()
1
  • 1
    Cara, eu não estava acertando a sintaxe deste comando! Tentei usar o "isin" por várias vezes e dava erro. Muto grato, problema resolvido!
    – Sandro
    24/05/2016 às 20:39

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .