Bỏ qua đến nội dung chính
Mục lục

Anti join trong pandas: tìm dòng không khớp với indicator

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 4/13 · Chương 7

Ghép và đổi hình bảng

  • 6 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

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.

python
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_only

Cột _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:

python
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: int64

Trong 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.

python
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  2026-03-25

Mã 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:

python
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 Nẵng

drop_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

  1. Sau import pandas as pd, a = pd.DataFrame({"k": [1, 2]}) và b = 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']
  2. Sau import pandas as pd, a = pd.DataFrame({"k": [1, 2]}) và b = pd.DataFrame({"k": [2, 3]}), int((a.merge(b, on="k", how="left", indicator=True)["_merge"] == "right_only").sum()) bằng bao nhiêu?

    • 0
    • 1
    • 2
  3. Ở ví dụ đơn mồ côi, những cách nào cho đủ 8 đơn có mã khách không tồn tại?

    • Ghép với how="left", indicator=True rồi lọc _merge == "left_only"
    • don.loc[~don["ma_kh"].isin(kh["ma_kh"])]
    • Ghép với how="left", indicator=True rồi lọc _merge == "right_only"
    • don.merge(kh, on="ma_kh")
  4. Ở khung bẫy, lệnh lọc in 0. Vì sao?

    • Vì cột _merge chỉ có khi ghi thêm how="outer"
    • Vì ghép inner đã bỏ các đơn không khớp trước khi lọc
    • Vì don_hang_tho.csv không có đơn mồ côi nào
Đúng hết lần đầu +15 XP

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 sach có mã không xuất hiện ở luot_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.

python
import pandas as pd

def sach_chua_muon(sach, luot_muon):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • merge(..., indicator=True) thêm cột _merge với ba giá trị left_only, right_only, both.

  • value_counts() trên _merge cho biết hai bảng khớp nhau tới đâu.

  • Anti join: ghép how="left" có indicator=True, lọc left_only, bỏ cột _merge.

  • Chỉ ghép cột khóa của bảng kia (bỏ mã lặp) để bảng kết quả không kéo theo cột trống.

  • Ghép inner rồi lọc left_only chỉ 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

pandas anti join

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

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.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập