Skip to main content
 首页 » 编程设计

python之比较 Pandas Dataframes 的 boolean 值——返回字符串

2025年05月04日25cloudgamer

我要比较 4 个数据框,每个看起来都像

ID    Jan    Feb    Mar 
1     True   True   False 
2     True   True   True 
3     False  False  False 

2 到 3000 行之间的任意位置。它们将具有完全相同的列名,但可能并不总是共享所有相同的索引 ID。

我想做的是比较它们并根据它们的值生成一个新的数据框。对于至少在一个数据框中为 False 的任何单元格,我想为其分配一个字符串(例如“Dataframe1 中的 False”),如果有多个,则附加两者(例如“Dataframe1 中的 False,Dataframe2”)。

输出看起来像

ID    Jan            Feb              Mar 
1     True           True             False in A, B, C 
2     True           False in B       True 
3     False in A     False in A, B    False in A 

我可以使用某种直接的数据帧与数据帧比较吗?或者我是否需要连接数据帧以便我可以将列相互比较?

编辑-我不想按行比较,而是基于索引,以应对一个数据帧没有相同记录的情况。

请您参考如下方法:

非常接近,你想要什么:

import pandas as pd 
import numpy as np 
import io 
 
#testing df1,df2,df3 
temp=u"""ID,Jan,Feb,Mar 
1,True,True,False 
2,True,True,True 
3,False,False,False""" 
df3 = pd.read_csv(io.StringIO(temp), sep=",", index_col=[0]) 
print df3 
temp1=u"""ID,Jan,Feb,Mar 
1,True,False,False 
2,False,True,True 
3,False,True,True""" 
df1 = pd.read_csv(io.StringIO(temp1), sep=",", index_col=[0]) 
print df1 
temp2=u"""ID,Jan,Feb,Mar 
1,False,False,False 
2,False,False,True 
3,False,True,True""" 
df2 = pd.read_csv(io.StringIO(temp2), sep=",", index_col=[0]) 
print df2 
 
#concat all dataframes by columns 
pieces = {'df1': df1, 'df2': df2, 'df3': df3} 
df = pd.concat(pieces, axis=1) 
print df 
 
#create new dataframe with size as df filled by column names 
levels = df.columns.levels 
labels = df.columns.labels 
xyz = pd.DataFrame( np.array(levels[0][labels[0]].tolist()*len(df.index)).reshape((len(df.index), len(df.index)*len(pieces))), index=df.index, columns = df.columns) 
print xyz 
 
#reset multicolumn to column 
xyz.columns = levels[1][labels[1]] 
df.columns = levels[1][labels[1]] 
 
#use df as mask - output names of df with False 
print xyz.mask(df) 
 
#use df as mask - output names of df with True 
out_false =  xyz.mask(df) 
print out_false 
 
out_true =  xyz.mask(~df) 
print out_true 
 
#create output empty df - for False and for True values 
result_false = result_true = pd.DataFrame(index = out_false.index) 
 
#group output dataframe by columns and create new df from series - for False and for True values 
for name, group in out_false.groupby(level=0, axis=1): 
    #print name 
    series = pd.Series(group.apply(lambda x: ','.join(map(str, x.dropna())), axis=1), name=name) 
    print 
    print series 
    result_false = pd.concat([result_false, series], axis=1)  
print result_false    
#        Feb          Jan          Mar 
#ID                                    
#1   df1,df2          df2  df1,df2,df3 
#2       df2      df1,df2              
#3       df3  df1,df2,df3          df3  
 
for name, group in out_true.groupby(level=0, axis=1): 
    #print name 
    series = pd.Series(group.apply(lambda x: ','.join(map(str, x.dropna())), axis=1), name=name) 
    result_true = pd.concat([result_true, series], axis=1)  
print result_true   
#        Feb      Jan          Mar 
#ID                                
#1       df3  df1,df3              
#2   df1,df3      df3  df1,df2,df3 
#3   df1,df2               df1,df2