我有两个具有相同索引但列名不同的dataframe。列数相同。我想按索引检查: 1)无论列顺序如何,它们是否具有相同的值集;以及2)它们是否有关于列顺序的同一组值。
ind = ['aaa', 'bbb', 'ccc']
df1 = pd.DataFrame({'old1': ['A','A','A'], 'old2': ['B','B','B'], 'old3': ['C','C','C']}, index=ind)
df2 = pd.DataFrame({'new1': ['A','A','A'], 'new2': ['B','C','B'], 'new3': ['C','B','D']}, index=ind)这是我需要的输出。
OpX OpY
-------------
aaa True True
bbb False True
ccc False False有人能帮我搞定OpX和OpY吗?
发布于 2019-05-31 03:00:30
使用tuple和set:保持顺序或元组,并使用set重新排序
s1=df1.apply(tuple,1)==df2.apply(tuple,1)
s2=df1.apply(set,1)==df2.apply(set,1)
pd.concat([s1,s2],1)
Out[746]:
0 1
aaa True True
bbb False True
ccc False False由于cs95提到了申请,这里有问题
s=np.equal(df1.values,df2.values).all(1)
t=np.equal(np.sort(df1.values,1),np.sort(df2.values,1)).all(1)
pd.DataFrame(np.column_stack([s,t]),index=df1.index)
Out[754]:
0 1
aaa True True
bbb False True
ccc False False发布于 2019-05-31 03:21:13
这是一个具有表现力且应该扩展的解决方案。首先,对齐索引上的DataFrames,以便比较它们。
df3 = df2.set_axis(df1.columns, axis=1, inplace=False)
df4, df5 = df1.align(df3)对于req 1,只需调用DataFrame.equals (或只使用== op):
u = (df4 == df5).all(axis=1)
u
aaa True
bbb False
ccc False
dtype: boolReq 2稍微复杂一些,沿着第一个轴排序,然后进行比较。
v = pd.Series((np.sort(df4) == np.sort(df5)).all(axis=1), index=u.index)
v
aaa True
bbb True
ccc False
dtype: bool把结果连在一起,
pd.concat([u, v], axis=1, keys=['X', 'Y'])
X Y
aaa True True
bbb False True
ccc False False发布于 2019-05-31 03:09:50
(关于项目2):
(df1.values == df2.values).all(axis=1)这将检查数据格式的元素是否相等,并在一行中的所有条目相等时给出True。
对于第1项),首先对每一行的值进行排序:
import numpy as np
(np.sort(df1.values, axis=1) == np.sort(df2.values, axis=1)).all(axis=1)https://stackoverflow.com/questions/56388062
复制相似问题