合并两个数据帧，同时考虑其中一个数据帧中的新行
merge two dataframes taking into account new rows in one of them
具有以下数据帧，
df1
Device name Rev serial
0 D1 fpc0 1 xyz
1 D1 pic0 1 xxx
2 D2 fpc0 1 hij
3 D2 pic0 1 hijj
4 D3 fpc0 2 xyx
5 D3 pic0 1 xll
6 D3 fpc1 2 xhh
7 D4 fpc1 1 tll
8 D4 fpc2 1 xho
9 D4 pic0 1 lss
10 D5 fpc0 1 qqq
11 D5 pic0 1 xqz
df2
Device name Rev serial
0 D1 fpc0 1 xyz
1 D1 pic0 1 xxx
2 D2 fpc0 1 hij
3 D2 pic0 1 xxxx
4 D3 fpc0 2 xij
5 D3 pic0 1 xll
6 D3 fpc1 2 xhh
7 D3 pic1 1 xtt
8 D4 fpc1 1 tll
9 D4 fpc2 1 xho
10 D4 pic0 1 lss
11 D4 pic1 2 xss
12 D5 fpc0 1 qqq
13 D5 pic0 1 xqz
14 D5 pic1 2 xpr
，其中设备可以在两个数据帧或不同数据帧中具有相同的行数，我不知道是否可以通过简单的方式实现以下（即具有单个索引）：
预期输出：
Device name Rev serial _merge new_values
0 D1 fpc0 1 xyz both False
1 D1 pic0 1 xxx both False
2 D2 fpc0 1 hij both False
3 D2 pic0 1 hijj left_only False
4 D3 fpc0 2 xyx left_only False
5 D3 pic0 1 xll left_only False
6 D3 fpc1 2 xhh both False
7 D4 fpc1 1 tll both False
8 D4 fpc2 1 xho both False
9 D4 pic0 1 lss both False
10 D5 fpc0 1 qqq both False
11 D5 pic0 1 xqz both False
12 D2 pic0 1 xxxx right_only False
13 D3 fpc0 2 xij right_only False
14 D3 pic1 1 xll right_only False
15 D3 pic0 1 xtt right_only True
16 D4 pic1 2 xss right_only True
17 D5 pic1 2 xpr right_only True
new_values 列表示 df2 中的此设备具有“新”条目：
例如：
在 df1 中我们有：
4 D3 fpc0 2 xyx
5 D3 pic0 1 xll
6 D3 fpc1 2 xhh
在 df2 中我们有：
4 D3 fpc0 2 xij
5 D3 pic0 1 xll
6 D3 fpc1 2 xhh
7 D3 pic0 1 xtt <--- this row is new for this device
基本上我们可以有2种情况：
案例一
一个设备（D1、D2 等...）在两个数据帧中可以具有相同的行数（元素可以相同或不同）：
D1 和 D2（在这种情况下所有行都相等）
df1
0 D1 fpc0 1 xyz
1 D1 pic0 1 xxx
2 D2 fpc0 1 hij
3 D2 pic0 1 xxxx
df2
0 D1 fpc0 1 xyz
1 D1 pic0 1 xxx
2 D2 fpc0 1 hij
3 D2 pic0 1 xxxx
案例二
一个设备可以在一个数据帧中有 X 行，在另一个数据帧中有 X+y（元素可以相同或不同）：
df1
5 D3 pic0 1 xll
6 D3 fpc1 2 xhh
7 D4 fpc1 1 tll
8 D4 fpc2 1 xho
9 D4 pic0 1 lss
10 D5 fpc0 1 qqq
11 D5 pic0 1 xqz
df2
4 D3 fpc0 2 xij
5 D3 pic1 1 xll
6 D3 fpc1 2 xhh
7 D3 pic0 1 xtt
8 D4 fpc1 1 tll
9 D4 fpc1 1 xho
10 D4 pic0 1 lss
11 D4 pic1 2 xss
12 D5 fpc0 1 qqq
13 D5 pic0 1 xqz
14 D5 pic1 2 xpr
在这种情况下，df2 中的索引 6 和 7 是 D3 的“新”，索引 11 是 D4 的“新”，索引 14 是 D5 的“新”。
我在这里做了一个非常相似的问题：
但是我没有考虑到一些事情。
谢谢。
我试过下面的方法，但我不确定它是否最优
df1['_common_1'] = df1['Device'] + df1['name']
df1['_common_2'] = df1['Device'] + df2['name']
final_df = pd.merge(df1,df2,how='outer',indicator=True)
final_df['new_values'] = ~final_df.pop('_common_2').isin(final_df.pop('_common_1'))
Device name Rev serial _merge new_values
0 D1 fpc0 1 xyz both False
1 D1 pic0 1 xxx both False
2 D2 fpc0 1 hij both False
3 D2 pic0 1 hijj left_only False
4 D3 fpc0 2 xyx left_only False
5 D3 pic0 1 xll both False
6 D3 fpc1 2 xhh both False
7 D4 fpc1 1 tll both False
8 D4 fpc2 1 xho both False
9 D4 pic0 1 lss both False
10 D5 fpc0 1 qqq both False
11 D5 pic0 1 xqz both False
12 D2 pic0 1 xxxx right_only False
13 D3 fpc0 2 xij right_only False
14 D3 pic1 1 xtt right_only True
15 D4 pic1 2 xss right_only True
16 D5 pic1 2 xpr right_only True
具有以下数据帧，
df1
Device name Rev serial
0 D1 fpc0 1 xyz
1 D1 pic0 1 xxx
2 D2 fpc0 1 hij
3 D2 pic0 1 hijj
4 D3 fpc0 2 xyx
5 D3 pic0 1 xll
6 D3 fpc1 2 xhh
7 D4 fpc1 1 tll
8 D4 fpc2 1 xho
9 D4 pic0 1 lss
10 D5 fpc0 1 qqq
11 D5 pic0 1 xqz
df2
Device name Rev serial
0 D1 fpc0 1 xyz
1 D1 pic0 1 xxx
2 D2 fpc0 1 hij
3 D2 pic0 1 xxxx
4 D3 fpc0 2 xij
5 D3 pic0 1 xll
6 D3 fpc1 2 xhh
7 D3 pic1 1 xtt
8 D4 fpc1 1 tll
9 D4 fpc2 1 xho
10 D4 pic0 1 lss
11 D4 pic1 2 xss
12 D5 fpc0 1 qqq
13 D5 pic0 1 xqz
14 D5 pic1 2 xpr
，其中设备可以在两个数据帧或不同数据帧中具有相同的行数，我不知道是否可以通过简单的方式实现以下（即具有单个索引）：
预期输出：
Device name Rev serial _merge new_values
0 D1 fpc0 1 xyz both False
1 D1 pic0 1 xxx both False
2 D2 fpc0 1 hij both False
3 D2 pic0 1 hijj left_only False
4 D3 fpc0 2 xyx left_only False
5 D3 pic0 1 xll left_only False
6 D3 fpc1 2 xhh both False
7 D4 fpc1 1 tll both False
8 D4 fpc2 1 xho both False
9 D4 pic0 1 lss both False
10 D5 fpc0 1 qqq both False
11 D5 pic0 1 xqz both False
12 D2 pic0 1 xxxx right_only False
13 D3 fpc0 2 xij right_only False
14 D3 pic1 1 xll right_only False
15 D3 pic0 1 xtt right_only True
16 D4 pic1 2 xss right_only True
17 D5 pic1 2 xpr right_only True
new_values 列表示 df2 中的此设备具有“新”条目：
例如：
在 df1 中我们有：
4 D3 fpc0 2 xyx
5 D3 pic0 1 xll
6 D3 fpc1 2 xhh
在 df2 中我们有：
4 D3 fpc0 2 xij
5 D3 pic0 1 xll
6 D3 fpc1 2 xhh
7 D3 pic0 1 xtt <--- this row is new for this device
基本上我们可以有2种情况：
案例一
一个设备（D1、D2 等...）在两个数据帧中可以具有相同的行数（元素可以相同或不同）：
D1 和 D2（在这种情况下所有行都相等）
df1
0 D1 fpc0 1 xyz
1 D1 pic0 1 xxx
2 D2 fpc0 1 hij
3 D2 pic0 1 xxxx
df2
0 D1 fpc0 1 xyz
1 D1 pic0 1 xxx
2 D2 fpc0 1 hij
3 D2 pic0 1 xxxx
案例二
一个设备可以在一个数据帧中有 X 行，在另一个数据帧中有 X+y（元素可以相同或不同）：
df1
5 D3 pic0 1 xll
6 D3 fpc1 2 xhh
7 D4 fpc1 1 tll
8 D4 fpc2 1 xho
9 D4 pic0 1 lss
10 D5 fpc0 1 qqq
11 D5 pic0 1 xqz
df2
4 D3 fpc0 2 xij
5 D3 pic1 1 xll
6 D3 fpc1 2 xhh
7 D3 pic0 1 xtt
8 D4 fpc1 1 tll
9 D4 fpc1 1 xho
10 D4 pic0 1 lss
11 D4 pic1 2 xss
12 D5 fpc0 1 qqq
13 D5 pic0 1 xqz
14 D5 pic1 2 xpr
在这种情况下，df2 中的索引 6 和 7 是 D3 的“新”，索引 11 是 D4 的“新”，索引 14 是 D5 的“新”。
我在这里做了一个非常相似的问题：
但是我没有考虑到一些事情。
谢谢。
我试过下面的方法，但我不确定它是否最优
df1['_common_1'] = df1['Device'] + df1['name']
df1['_common_2'] = df1['Device'] + df2['name']
final_df = pd.merge(df1,df2,how='outer',indicator=True)
final_df['new_values'] = ~final_df.pop('_common_2').isin(final_df.pop('_common_1'))
Device name Rev serial _merge new_values
0 D1 fpc0 1 xyz both False
1 D1 pic0 1 xxx both False
2 D2 fpc0 1 hij both False
3 D2 pic0 1 hijj left_only False
4 D3 fpc0 2 xyx left_only False
5 D3 pic0 1 xll both False
6 D3 fpc1 2 xhh both False
7 D4 fpc1 1 tll both False
8 D4 fpc2 1 xho both False
9 D4 pic0 1 lss both False
10 D5 fpc0 1 qqq both False
11 D5 pic0 1 xqz both False
12 D2 pic0 1 xxxx right_only False
13 D3 fpc0 2 xij right_only False
14 D3 pic1 1 xtt right_only True
15 D4 pic1 2 xss right_only True
16 D5 pic1 2 xpr right_only True