Anti join trong pandas: tìm dòng không khớp với indicator
Bài 4/13 · Chương 7
Ghép và đổi hình bảng
- 6 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 10
Anti join là phép lấy các dòng của một bảng không tìm thấy dòng khớp ở bảng kia (pandas anti join). pandas không có lệnh riêng cho việc này: bạn ghép với indicator=True, xem cột _merge nói mỗi dòng đến từ đâu, rồi giữ các dòng chỉ có ở một bên. Cách đó tìm ra đơn ghi mã khách không tồn tại, hay khách chưa mua lần nào.
Cần biết trước: merge(), lọc dữ liệu với loc và value_counts().
Cột _merge của indicator=True
Khi ghép với how="outer", dòng có NaN có thể là dòng không khớp, cũng có thể là dòng khớp mà ô gốc vốn trống. indicator=True gỡ sự mập mờ đó (pandas merge indicator): pandas thêm cột _merge ghi rõ nguồn của từng dòng.
import pandas as pd
don = pd.DataFrame({"ma_don": ["DH1024", "DH1025", "DH1027"],
"ma_kh": [101, 102, 106]})
khach = pd.DataFrame({"ma_kh": [101, 102, 103],
"ten": ["Lan", "Minh", "Ngọc"]})
ghep = don.merge(khach, on="ma_kh", how="outer", indicator=True)
print(ghep)KẾT QUẢ
ma_don ma_kh ten _merge
0 DH1024 101 Lan both
1 DH1025 102 Minh both
2 NaN 103 Ngọc right_only
3 DH1027 106 NaN left_onlyCột _merge chỉ nhận ba giá trị. both là khóa có ở cả hai bảng. left_only là khóa chỉ có ở bảng trái: đơn DH1027 của khách 106 chưa có trong bảng khách. right_only là khóa chỉ có ở bảng phải: Ngọc chưa đặt đơn nào. Ba giá trị này giống việc điểm danh một lớp bằng hai danh sách: danh sách đăng ký và danh sách có mặt. Khi đó both là người đăng ký và đã đến, left_only là người đăng ký mà vắng, right_only là người đến mà chưa đăng ký.
Trên dữ liệu thật, đếm cột _merge bằng value_counts() cho biết ngay hai bảng khớp nhau tới đâu. File don_hang_tho.csv của bộ dữ liệu thực hành là bản đơn hàng chưa làm sạch:
import pandas as pd
don = pd.read_csv("don_hang_tho.csv")
kh = pd.read_csv("khach_hang.csv")
ghep = don.merge(kh[["ma_kh"]], on="ma_kh", how="left",
indicator=True)
print(ghep["_merge"].value_counts())KẾT QUẢ
_merge
both 1548
left_only 8
right_only 0
Name: count, dtype: int64Trong 1.556 đơn, 8 đơn mang mã khách không có trong khach_hang.csv. Dòng right_only bằng 0 vì how="left" không bao giờ giữ dòng chỉ có ở bảng phải. Chỉ lấy cột ma_kh của bảng khách là cố ý: muốn biết khớp hay không thì không cần kéo theo tên, tỉnh hay số điện thoại.
Anti join: giữ dòng left_only
Có cột _merge, anti join chỉ còn là một phép lọc bằng loc. Đơn có mã khách không tồn tại thường gọi là đơn mồ côi: tiền đã vào sổ mà không biết của ai.
import pandas as pd
don = pd.read_csv("don_hang_tho.csv")
kh = pd.read_csv("khach_hang.csv")
ghep = don.merge(kh[["ma_kh"]], on="ma_kh", how="left",
indicator=True)
mo_coi = ghep.loc[ghep["_merge"] == "left_only",
["ma_don", "ma_kh", "ngay_dat"]]
print(len(mo_coi))
print(mo_coi)KẾT QUẢ
8
ma_don ma_kh ngay_dat
504 DH00497 KH9007 02/07/2025
559 DH00552 KH9002 2025-07-24
567 DH00560 KH9001 2025-07-27
599 DH00592 KH9005 2025-08-09
963 DH00946 KH9003 01/01/2026
1000 DH00981 KH9006 17/01/2026
1143 DH01122 KH9004 2026-02-13
1258 DH01235 KH9000 2026-03-25Mã KH9000 tới KH9007 không có ở bảng khách: có thể do nhập tay sai, cũng có thể khách đã bị xóa khỏi hệ thống. Danh sách này là thứ bạn gửi lại cho người quản lý dữ liệu, thay vì để các đơn ấy biến mất khỏi báo cáo theo tỉnh. Đổi "left_only" thành "both" rồi chạy lại: dòng đầu in 1548, số đơn tìm được khách.
Đảo vai hai bảng thì được câu hỏi ngược lại: khách nào chưa từng mua? Bảng khách đứng bên trái, bảng đơn chỉ cần cột ma_kh sau khi bỏ mã lặp:
import pandas as pd
don = pd.read_csv("don_hang_tho.csv")
kh = pd.read_csv("khach_hang.csv")
da_mua = don[["ma_kh"]].drop_duplicates()
ghep = kh.merge(da_mua, on="ma_kh", how="left", indicator=True)
chua_mua = (ghep.loc[ghep["_merge"] == "left_only"]
.drop(columns="_merge"))
print(len(chua_mua))
print(chua_mua[["ma_kh", "ho_ten", "tinh"]].head(4))KẾT QUẢ
101
ma_kh ho_ten tinh
8 KH0009 Lý Bảo Hương Hà Nội
17 KH0018 Nguyễn Ngọc Tâm Khánh Hòa
29 KH0030 Trần Mai Hoa Thái Nguyên
52 KH0053 Trần Ngọc Hạnh Đà Nẵngdrop_duplicates() trên cột ma_kh giữ mỗi khách đã mua một lần; nếu không, khách có ba đơn sẽ thành ba dòng both. Kết quả lọc không đổi, nhưng bảng ghép nhẹ hơn và đếm both ra đúng số khách. drop(columns="_merge") bỏ cột chỉ dùng để lọc, để bảng trả về chỉ có các cột của bảng khách.
Kiểm tra nhanh
Sau
import pandas as pd,a = pd.DataFrame({"k": [1, 2]})vàb = pd.DataFrame({"k": [2, 3]}),list(a.merge(b, on="k", how="outer", indicator=True)["_merge"])là gì?['left_only', 'both', 'right_only']['both', 'left_only', 'right_only']['left_only', 'right_only']
Sau
import pandas as pd,a = pd.DataFrame({"k": [1, 2]})vàb = pd.DataFrame({"k": [2, 3]}),int((a.merge(b, on="k", how="left", indicator=True)["_merge"] == "right_only").sum())bằng bao nhiêu?012
Ở ví dụ đơn mồ côi, những cách nào cho đủ 8 đơn có mã khách không tồn tại?
- Ghép với
how="left", indicator=Truerồi lọc_merge == "left_only" don.loc[~don["ma_kh"].isin(kh["ma_kh"])]- Ghép với
how="left", indicator=Truerồi lọc_merge == "right_only" don.merge(kh, on="ma_kh")
- Ghép với
Ở khung bẫy, lệnh lọc in
0. Vì sao?- Vì cột
_mergechỉ có khi ghi thêmhow="outer" - Vì ghép
innerđã bỏ các đơn không khớp trước khi lọc - Vì
don_hang_tho.csvkhông có đơn mồ côi nào
- Vì cột
Bài tập
Tìm sách chưa ai mượn
Thư viện có bảng sach (cột ma_sach, ten_sach, có thể thêm cột khác) và bảng luot_muon (cột ma_sach, ngay_muon; một cuốn có thể được mượn nhiều lần). Viết thân hàm sach_chua_muon(sach, luot_muon):
giữ các cuốn trong
sachcó mã không xuất hiện ởluot_muon;kết quả có đúng các cột của
sach, theo thứ tự cũ, không thêm cột nào.
Dòng theo thứ tự của sach, index mặc định 0, 1, 2…. Hàm không sửa hai bảng của nơi gọi.
Trả về: các cuốn chưa ai mượn, một DataFrame.
import pandas as pd
def sach_chua_muon(sach, luot_muon):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
merge(..., indicator=True)thêm cột_mergevới ba giá trịleft_only,right_only,both.value_counts()trên_mergecho biết hai bảng khớp nhau tới đâu.Anti join: ghép
how="left"cóindicator=True, lọcleft_only, bỏ cột_merge.Chỉ ghép cột khóa của bảng kia (bỏ mã lặp) để bảng kết quả không kéo theo cột trống.
Ghép
innerrồi lọcleft_onlychỉ cho bảng rỗng, không báo lỗi.
Câu hỏi thường gặp
Có cách nào làm anti join mà không cần merge?
Có: don.loc[~don["ma_kh"].isin(kh["ma_kh"])] giữ các đơn có mã không nằm trong cột mã của bảng khách. isin() gọn hơn khi khóa chỉ có một cột, xem bài isin(), between(). Khi khóa gồm nhiều cột, hay khi bạn cần đếm cả ba nhóm cùng lúc, cách indicator=True rõ ràng hơn.
Đổi tên cột _merge được không?
Được: truyền một chuỗi thay cho True, ví dụ indicator="nguon", thì cột đánh dấu mang tên nguon. Cách này có ích khi bảng ghép tiếp với bảng khác cũng dùng indicator=True, vì hai cột _merge sẽ đụng nhau.
Vì sao value_counts() của _merge vẫn in dòng right_only bằng 0?
Cột _merge có kiểu category với đủ ba nhãn, kể cả nhãn không xuất hiện, nên value_counts() in đủ ba dòng. Bài category giải thích kiểu dữ liệu này.
Tìm được đơn mồ côi rồi thì xử lý thế nào?
Đừng xóa ngay: gửi danh sách cho người giữ dữ liệu khách để tìm mã đúng. Trong lúc chờ, ghép how="left" để giữ các đơn đó trong tổng doanh thu, và ghi rõ trong báo cáo bao nhiêu đơn chưa xác định được khách.
Chủ đề
Dữ liệu của bài
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.