思路
是有两个相同结构的数据表，已知第二个表是第一个表的部分数据，需要以其中两列为单位，判断在第一个表中存在，在另外一个表中不存在的数据。
思路：
- 我们先将 df1 和 df2 的 x、y 列取出，组合为元组形成，这样就先成为一个整体，形成了两个 Series，然后我们用
Series 的 isin 方法来判断是否存在。 - 得到是不否存在的布尔序列后，再应用到 df1，这里我们需要不存在的可以用 ~ 取反，具体可以看代码实现。
二、使用步骤
1.引入库
代码如下（示例）：
import pandas as pd
2.读入数据
代码如下（示例）：
# 数据1
df1 = pd.DataFrame({'x': ['a', 'b', 'c', 'd', 'e'],'y': [1, 2, 3, 2, 1],'z': ['how', 'are', 'you', 'fine', 'thanks']
})
df1
# 数据2
df2 = pd.DataFrame({'x': ['a', 'b', 'c'],'y': [1, 2, 3],'z': ['what', 'is', 'you']
})
df2
# 如以上数据，df1 中包含了 df2 的内容，现在需要以 x、y 列组合为整体，看 df1 中存在，在 df2 中不存在的数据。其中，z 列的内容认为信息过载的数据，我们不用关心。
# 很明显，df1 最后两行，不在 df2 中。
#根据以上思路，先将 x 和 y 列转为一个序列：
df1[['x','y']].apply(tuple, axis=1)
#再将 df2 的两列做以上操作后转为列表，方便使用 isin 检测操作：
df2[['x','y']].apply(tuple, axis=1).to_list()
#最后是整个判断检测结果：
slice_lable = (df1[['x','y']].apply(tuple, axis=1).isin(df2[['x','y']].apply(tuple, axis=1).to_list())
)slice_lable
# 最后，再应用到筛选操作上
# 在 df1 中存在，df2 中不存在的
df1[~slice_lable]
总结
以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
